xgboost算法原理简介,xgboost算法python实现

　　转载：https://yxzf.github.io/2017/04/XG Boost-v2/

　　分位数：点

　　近似算法论文给出了两种近似算法。一种是全局算法，用于在初始化树时分裂候选点，并在树的每一层使用这些候选点。另一种是每次重新计算分割候选点的局部算法。两者各有利弊。全局算法不需要多次计算候选节点，但是需要一次获得更多的候选节点用于后续的树生长。另一方面，局部算法可以一次获得较少的候选节点，因此可以在分支过程中不断改进。这意味着它适合更深的树生长。两者都是通过效果和准确性来封闭的。

　　文献[5]中的实验表明，如果全局K分位数为20，局部K分位数为3，可以得到近似的效果。

　　参考

　　【1】-近似分位数

　　[2]空间效率计算组件

　　【3】afastalgorithm for approximate quantiles in highspeed datastreams

　　[4] GK峰会算法(大约百分位数)

　　XG boost:ascalabletreebboostingsystem

　　[6] XGBoost的分位数算法

　　[7] XG Boost解释(2)近似分割算法

　　[8] XGBoost的分位数算法

　　[9] 《喜欢机器学习》综合学习(3) XG增强

　　分位数和加权分位数的区别：

　　站点(按特征大小排序、按特征数量加权(均分)、按特征大小排序、按二阶差分排序(均分)转载)http://data valley.github

　　XG boost的分位数算法

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。