示例
使用“波士顿房价预测”案例数据，预测波士顿房价。
其中，相关性分析是为了分析特征变量与目标变量的相关性系数，方便特征选择进入模型训练。
参数设置
梯度提升回归树参数如下：
参数名称 | 值 | 说明 | |
|---|---|---|---|
归一化 | 方法选择 | 正则化 | 详情请参考 归一化 介绍说明。 |
标准化 | |||
最小最大值归一化 | |||
最大绝对值归一化 | |||
参数 | 单位标准差归一化 | 勾选后，归一化后数据的标准差等于1 | |
平均数据中心化 | 勾选后，归一化后数据的均值等于0 | ||
自动调参设置 | 系统默认的各项参数值范围。 | 必须结合“启用自动调参”功能使用。系统将对设置指定或范围内的参数值循环调参，匹配出最优的组合。详情请参考 自动调参设置 。 | |
启用自动调参 | 勾选该项，则系统自动调参数，不需要用户手工设置参数。 | ||
分裂特征的数量 | 取值范围：>=2的整数； 默认值：32。 | 对连续类型特征进行离散时的分箱数； 该值越大，模型会计算更多连续型特征分裂点且会找到更好的分裂点，但同时也会增加模型的计算量； | |
树的深度 | 取值范围：[1,30]的整数；默认值为4。 | 当模型达到该深度时停止分裂； 树的深度越大，模型训练的准确度更高，但同时也会增加模型的计算量且会导致过拟合； | |
最大迭代数 | 取值范围：大于等于10且小于500的整数 | 算法的最大迭代次数，达到最大迭代次数即退出。 最大迭代次数的值越大，模型训练更充分，但会耗费更多时间。 | |
学习率 | 参数范围：[0.00000001, 1]，默认为0.01 | 每次迭代的参数学习步长倍率 | |
子采样比例 | 取值范围：[0.1, 1] | 训练每棵树时使用的训练数据的比例 | |
衡量准则 | gini | 裂分标准，Entropy表示熵值，Gini表示基尼指数； | |
entropy | |||
子节点最少样本数 | 取值范围：大于0且小于等于1000的整数 | 每次分裂后每个子节点必须拥有的样本数； 该值越大，决策树允许分裂的次数就越少。可以防止模型过拟合； | |
最小分裂信息增益 | 取值范围：[0, 10000] | 每次分裂必须达到的信息增益； 该值越大，决策树允许分裂的次数就越少。可以防止模型过拟合； | |
自动调参设置
系统将对设置指定或范围内的参数值循环调参，匹配出最优的组合。
自动调参的方式分为两种：
- 指定值调参：指定一个固定的值进行自动调参。
- 范围调参：在指定的范围内进行自动调参。
设置项说明如下：
设置项 | 说明 | |
|---|---|---|
拆分比例 | 将选择的数据拆分为两部分，一部分部分用于模型的评估，另一部分数据用于训练模型。 | |
评估标准 | 用于选择数据的评估指标，包括：mae、mse、rmse。 | |
参数 | 自动调参的参数项。 计算信息增益的方式：目前只支持variance。 注意：参数默认的范围提供了一个推荐值，并不是算法限制的最大值和最小值。 | |
指定值调参 | 指定值 | 指定一个固定的值进行自动调参。需要先勾选“是否使用指定值”才能配置。 |
是否使用指定值 | 控制是否使用使用指定值进行调参。 | |
范围调参 | 范围 | 设置自动调参参数的范围。 若运行速度比较慢，可将参数范围调小一点。 |
步数 | 进行范围调参时，在设置的范围内生成多少个参数值。 示例： 1）范围为[3,5]，步数为3时，生成的参数值：3, 4, 5 2）范围为[40,100]，步数为4时，生成的参数值：40, 60, 80, 100 | |
示例
设置自动调参设置如图：
在训练节点查看分析结果如图：
