-
Xgboost参数
- 'booster':'gbtree',
- 'objective': 'multi:softmax', 多分类的问题
- 'num_class':10, 类别数，与 multisoftmax 并用
- 'gamma':损失下降多少才进行分裂
- 'max_depth':12, 构建树的深度，越大越容易过拟合
- 'lambda':2, 控制模型复杂度的权重值的L2正则化项参数，参数越大，模型越不容易过拟合。
- 'subsample':0.7, 随机采样训练样本
- 'colsample_bytree':0.7, 生成树时进行的列采样
- 'min_child_weight':3, 孩子节点中最小的样本权重和。如果一个叶子节点的样本权重和小于min_child_weight则拆分过程结束
- 'silent':0 ,设置成1则没有运行信息输出，最好是设置为0.
- 'eta': 0.007, 串行加树的占比，如同学习率
- 'seed':1000,
- 'nthread':7, cpu 线程数(看cup性能调节)
-
XGBoost 参数调节
- Step 2: 控制树模型的复杂程度，改变
max_depth 和 min_child_weight.
- Step 3: 调节
gamma 降低模型过拟合风险.
- Step 4: 调节
subsample 和 colsample_bytree 改变数据采样策略.