Knoten "XGBoost Tree"
XGBoost Tree© ist eine erweiterte Implementierung eines Gradienten-Boosting-Algorithmus mit einem Baummodell als Basismodell. Boosting-Algorithmen lernen iterativ schwache Klassifikationsmerkmale und fügen Sie einem endgültigen starken Klassifikationsmerkmal hinzu. XGBoost Tree ist sehr flexibel und bietet viele Parameter, die für die meisten Benutzer überwältigend sein können. Daher zeigt der XGBoost Tree-Knoten in ' watsonx.ai Studio die wichtigsten Funktionen und häufig verwendeten Parameter. Der Knoten ist in Python implementiert.
Weitere Informationen zu Boosting-Algorithmen finden Sie unter XGBoost Tutorials. 1
Beachten Sie, dass die XGBoost-Kreuzvalidierungsfunktion in " watsonx.ai Studio nicht unterstützt wird. Zu diesem Zweck können Sie den Partitionsknoten verwenden. Beachten Sie auch, dass XGBoost in " watsonx.ai Studio automatisch eine One-Hot-Codierung für kategoriale Variablen durchführt.
1 "XGBoost Tutorials." Skalierbares und flexibles Gradientenboosting. Web. © 2015 -2016 DMLC.