XGBoost

最新推荐文章于 2025-09-08 12:13:38 发布
转载 最新推荐文章于 2025-09-08 12:13:38 发布 · 278 阅读 · 0 ·
本内容遵循CC 4.0 BY-SA版权协议
原文链接：https://mp.weixin.qq.com/s?__biz=MzI1MzY0MzE4Mg==&mid=2247485159&idx=1&sn=d429aac8370ca5127e1e786995d4e8ec&chksm=e9d01626dea79f30043ab80652c4a859760c1ebc0d602e58e13490bf525ad7608a9610495b3d&scene=21#wechat_redirect
博客包含20道XGBoost面试题，还对RF、GBDT、XGBoost进行了面试级整理，聚焦于信息技术领域机器学习算法相关的面试内容。
回归预测 - MATLAB实现XGBoost多输入单输出（完整源码和数据）
05-14
回归预测 | MATLAB实现XGBoost多输入单输出（完整源码和数据） 多输入单输出，运行环境MATLAB2018b及以上。
MATLAB实现SSA-XGBoost多输入回归预测（完整源码和数据）
10-24
MATLAB实现SSA-XGBoost多输入回归预测（完整源码和数据） 麻雀算法优化XGBoost，数据为多输入回归数据，输入7个特征，输出1个变量,程序乱码是由于版本不一致导致，可以用记事本打开复制到你的文件。 运行环境MATLAB2018b及以上。
时间序列分析 | XGBoost极限梯度提升树时间序列预测（Matlab完整程序）
前程算法屋的博客
03-26 662
时间序列分析 | XGBoost极限梯度提升树时间序列预测（Matlab完整程序）
多元回归分析 | XGBoost多输入单输出预测（Matlab完整程序）
前程算法屋的博客
11-30 2599
多元回归分析 | XGBoost多输入单输出预测（Matlab完整程序）
Matlab 安装和使用xgboost的详细步骤(源码+安装包）
jaz的专栏
03-02 6250
Matlab 安装和使用xgboost
分类预测 | MATLAB实现XGBoost极限梯度提升树多特征分类预测
机器学习之心的博客，关注并私信文章链接，获取对应文章源码和数据。
09-09 2167
分类预测 | MATLAB实现XGBoost极限梯度提升树多特征分类预测
机器学习分类算法之XGBoost（集成学习算法）
热门推荐
迷茫与徘徊只会让你陷入绝境，欢迎私信博主，带你开始提升变现价值！
02-14 11万+
目录 走进XGBoost 什么是XGBoost？ XGBoost树的定义 XGBoost核心算法 正则项：树的复杂程度 XGBoost与GBDT有什么不同 XGBoost需要注意的点 XGBoost重要参数详解 调参步骤及思想 XGBoost代码案例 相关性分析 n_estimators（学习曲线） max_depth（学习曲线） 调整max_depth 和min_child_weight 调整gamma 调整subsample 和colsample_bytree 调整正则
【进阶版】 机器学习分类算法之XGBoost（集成学习算法）、LightGBM（梯度提升框架）（13）
迷茫与徘徊只会让你陷入绝境，欢迎私信博主，带你开始提升变现价值！
08-23 1735
机器学习算法知识、数据预处理、特征工程、模型评估——原理+案例+代码实战机器学习之Python开源教程——专栏介绍及理论知识概述机器学习框架及评估指标详解Python监督学习之分类算法的概述数据预处理之数据清理，数据集成，数据规约，数据变化和离散化特征工程之One-Hot编码、label-encoding、自定义编码卡方分箱、KS分箱、最优IV分箱、树结构分箱、自定义分箱特征选取之单变量统计、基于模型选择、迭代选择机器学习八大经典分类万能算法——代码+案例项目开源、可直接应用于毕设+科研项目。
机器学习--分类算法--集成学习算法理论（RF/AdaBoost/GBDT/XGBoost算法）
weixin_35733800的博客
03-27 1544
一 集成学习背景 1 集成学习概念 指将若干个学习器进行组合而得到一个新的学习器 2 集成学习优势 1）弱分类器之间存在差异性的问题 导致分类边界的不同（换言之存在错误），那么将多个弱分类器合并之后，会得到更加合理的分类边界 2）对于数据集过大或者过小的问题 我们可以采用划分或者有放回操作，得到不同的数据子集，分别训练不同的学习器，在组合成一个新的学习器 3）对于数据集的划分边界过...
基于xgboost的风力电机叶片结冰分类预测
gitblog_06764的博客
04-12 325
基于xgboost的风力电机叶片结冰分类预测 去发现同类优质开源项目:https://gitcode.com/ 简介 此资源文件为一种基于xgboost算法的机器学习模型，主要应用于风力电机叶片结冰情况的分类预测。xgboost算法是一种强大的集成学习算法，适用于处理分类和回归问题，具有高效、准确的特点。 模型描述 本模型针对风力电机叶片是否结冰进行分类预测，输入参数包括叶片温度、湿度、风速等环境...
百面机器学习—11.集成学习（GBDT、XGBoost）面试问题总结
柳杰的博客
05-10 2380
文章目录1. 大小为N的样本集进行有放回抽样，样本N次有重复抽取被选中的概率是多少？2.集成学习分为哪几种？它们有何异同？3. 为什么很多集成学习模型都选择决策树作为基分类器？4.什么是偏差与方差？如何从减小方差和偏差的角度解释Boosting和Bagging的原理？4.1 什么是偏差与方差？4.2 如何从减小方差和偏差的角度解释Boosting和Bagging的原理？5.梯度提升树GBDT的基本原理是什么？5.1 为什么可以使用梯度近似代替残差？5.2 二分类问题的GBDT算法5.3 多分类问题的GBDT
xgboost源代码python
11-27
根据我的课程设计写了一个xgboost代码，效果不错。希望能帮助跟我一样的初学者。
xgboost.dll
08-06
安装xgboost时出现错误是可能是缺少了相应的xgboost.dll工具包所致，这个包能完美解决安装时出现的错误。
xgboost.dll gpu_enable 2019最新版
02-13
Installing the Python Wrapper Please follow these instructions to prepare XGBoost for use with Python. I am placing xgboost in a directory called xgboost_install_dir but this can be anything. 1. git clone https://github.com/dmlc/xgboost.git xgboost_install_dir 2. copy libxgboost.dll into the xgboost_install_dir\python-package\xgboost\ directory 3. cd xgboost_install_dir\python-package\ 4. python setup.py install 下面是使用举例 import xgboost xr = xgboost.XGBRegressor() xr.fit(X, y) xr.predict(X_test)
【机器学习】详解解析极限梯度提升树数学模型
Fanjufei的博客
05-16 1104
需要说明的是，该代码中使用了交叉验证划分数据集，定义了一些模型的超参数，包括最大深度、学习率、gamma、min_child_weight、subsample、colsample_bytree，并使用 xgb.train() 函数训练模型，最后通过 xgb.predict() 函数预测结果并计算 rmse 作为模型性能的评估指标。
【MATLAB第37期】 #保姆级教程 XGBOOST模型参数完整且详细介绍，调参范围、思路及具体步骤介绍
随风飘摇的土木狗的博客
05-26 1万+
1.XGBoost模型[default=gbtree]有两种模型可以选择gbtree和gblinear。gbtree使用基于树的模型进行提升计算，gblinear使用线性模型进行提升计算。其中gbtree的效果要远好于gblinear。2.objective目标函数 [ default=reg:linear ]定义学习任务及相应的学习目标，可选的目标函数如下：“reg:linear” –线性回归。“reg:logistic” –逻辑回归。
xgboost配置GPU加速（快速安装版）
weixin_30963287的博客
01-23 1万+
环境：anaconda（python3.6） + win10 第一步： 下载xgboost源码： https://github.com/dmlc/xgboost 第二步： 从http://ssl.picnet.com.au/xgboost/中下载支持GPU版已编译好的DLL文件 第三步： 将xgboost.dll复制到xgboost-master/python-packa
XGBoost+SHAP可解释性分析的回归预测 Matlab代码(多输入单输出)
前程算法屋的博客
06-13 1007
XGBoost+SHAP可解释性分析的回归预测 Matlab代码(多输入单输出)
机器学习之集成学习
最新发布
han_ru的博客
09-08 1906
本文系统介绍了集成学习方法及其主要算法。首先阐述了集成学习的概念和分类，重点对比了Bagging和Boosting两种核心思想。随后详细讲解了随机森林、Adaboost、GBDT和XGBoost四种典型算法，包括其基本概念、构建方法、API接口和代码实现。其中，随机森林基于Bagging思想，而Adaboost、GBDT和XGBoost都属于Boosting算法家族。文章通过算法推导和实例代码，全面展示了各类集成学习方法的原理和应用，为机器学习实践提供了重要参考。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值