我正在嘗試用於預測的XGBoost技術。由於我的因變量是連續的,我正在使用XGBoost進行迴歸,但大多數可用於各種門戶的參考都是用於分類的。雖然我知道通過使用如何在R中使用XGBoost算法進行迴歸?
objective = "reg:linear"
我們可以做迴歸,但仍然需要一些其他參數的清晰度。如果有人能爲我提供一個R代碼段,這將是一個很大的幫助。
我正在嘗試用於預測的XGBoost技術。由於我的因變量是連續的,我正在使用XGBoost進行迴歸,但大多數可用於各種門戶的參考都是用於分類的。雖然我知道通過使用如何在R中使用XGBoost算法進行迴歸?
objective = "reg:linear"
我們可以做迴歸,但仍然需要一些其他參數的清晰度。如果有人能爲我提供一個R代碼段,這將是一個很大的幫助。
xgboost(data = X,
booster = "gbtree",
objective = "binary:logistic",
max.depth = 5,
eta = 0.5,
nthread = 2,
nround = 2,
min_child_weight = 1,
subsample = 0.5,
colsample_bytree = 1,
num_parallel_tree = 1)
這些都是您可以在使用樹型助推器時玩的所有參數。對於線性助推器,你可以使用下面的參數一起玩......
xgboost(data = X,
booster = "gblinear",
objective = "binary:logistic",
max.depth = 5,
nround = 2,
lambda = 0,
lambda_bias = 0,
alpha = 0)
您可以參考xg.train()
對這些參數的詳細含義xgboost CRAN文檔中的描述。
,我已經找到了參數的最佳描述是
https://github.com/dmlc/xgboost/blob/master/doc/parameter.md
有在Kaggle腳本庫中找到[R使用XGBoost的例子很多。例如:
https://www.kaggle.com/michaelpawlus/springleaf-marketing-response/xgboost-example-0-76178/code
@ Amarjeet:實際上,你收到一個錯誤,當您嘗試運行它或者是你的問題,而該如何調整參數? –
@Amarjeet關於此主題的任何更新?我也有同樣的問題。 – deltascience