关于我们+
产品与服务+
解决方案+
客户案例+
AI创新中心+
投资者关系+
资源中心+
联系我们+
申请演示+
申请演示-
至此,我们把 XGBoost的理论介绍完了,现在将使用该算法来训练本文的数据,在训练过程中需要对参数进行调整,以得到最优的参数。
本文使用 boost包来训练模型,并结合 sklearn包的网格搜索函数来寻找最优参数。调参时,先给每个参数一个固定的取值,再给出需要调节的参数的取值范围同时保持其他参数值不变,由此计算该参数的不同取值下模型的AUC评分,最大的AUC分数对应的参数值即为该参数的的最优取值,将此时的最优参数值替代模型中该参数的给定值再按此方法进行下一个参数的调节。