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。
梯度提升回归树参数如下:
参数名称 | 值 | 说明 |
---|---|---|
归一化 | 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 | ||
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; |
计算信息增益的方式 | gini | 裂分标准,Entropy表示熵值,Gini表示基尼指数; |
entropy |