代码之家 › 专栏 › 技术社区 › staplegun

scikit中的gbrt_minimize如何决定要尝试多少个参数拆分

scikit-optimize boosting scikit-learn machine-learning

staplegun · 技术社区 · 1 年前

从我的理解 https://scikit-learn.org/stable/modules/generated/sklearn.ensemble.GradientBoostingRegressor.html 和梯度增强决策树一般来说,我假设对于N个参数,回归器沿着每个参数选择一组分割,计算出应用这种分割如何分割数据,然后决定选择哪个分割,哪个分割最大限度地减少了损失(对于特定的分位数)。

我的问题是,如果您的参数是真实的,您如何决定拆分的参数值?我本想找到某种参数来确定要进行多少次“等间距”拆分,但我只看到一个参数来确定拆分两侧所需的数据值的数量,以使其有效。这是否意味着它在某种程度上是反向的?

谢谢

0 回复 | 直到 1 年前

推荐文章

SkyWalker · 如何使“UnfinedMetricWarning”静音?

5 月前

Morph3us · 我如何确定谁将赢得罗马尼亚下一届预选赛?[关闭]

5 月前

explorer · AWS SageMaker项目模板创建失败

9 月前

nicklaus-slade · 交叉验证函数返回“未知标签类型:(数组([0.0,1.0],dtype=object),)”

10 月前

Adrian Zambrana · ValuerError:发现样本数不一致的输入变量

11 月前

Kamugg · 在PyTorch中使用不同分辨率图像训练DeepLabV3的最佳实践

11 月前

me0076 · 使用LLM提取多个实体

1 年前

staplegun · scikit中的gbrt_minimize如何决定要尝试多少个参数拆分

1 年前

Chinmaya Tewari · 创建新csv文件时权限被拒绝

1 年前

Seán Healy · LSTM或变压器模型是否有任何可逆实现?

1 年前