作者热门文章
- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我对所有这些方法都很陌生,我正在尝试找到一个简单的答案,或者也许有人可以指导我在网络上的某个地方找到高级解释。我的谷歌搜索仅返回了kaggle示例代码。
extratree 和 randomforrest 本质上是一样的吗? xgboost 在为任何特定树选择特征时使用提升,即对特征进行采样。那么另外两种算法是如何选择特征的呢?
谢谢!
最佳答案
额外的树(ET)又名。 极度随机树与随机森林(RF)非常相似。这两种方法都是装袋方法,聚合一些完全生长的决策树。 RF 只会尝试分割,例如三分之一的功能,但评估这些功能中任何可能的断点并选择最好的。然而,ET 只会评估随机的几个断点并选择其中最好的一个。 ET 可以将样本引导到每棵树或使用所有样本。 RF必须使用bootstrap才能正常工作。
xgboost 是梯度提升的实现,可以与决策树(典型的小型树)一起使用。每棵树都经过训练来纠正先前训练树的残差。梯度提升可能更难训练,但可以实现比 RF 更低的模型偏差。对于噪声数据,装袋可能是最有前途的。对于低噪声和复杂的数据结构,提升可能是最有希望的。
关于python - xgboost、extratreeclassifier 和 randomforrestclasiffier 之间有什么区别?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/35237044/
我对所有这些方法都很陌生,我正在尝试找到一个简单的答案,或者也许有人可以指导我在网络上的某个地方找到高级解释。我的谷歌搜索仅返回了kaggle示例代码。 extratree 和 randomforre
我是一名优秀的程序员,十分优秀!