全部产品

梯度提升决策树

梯度提升决策树(GradientBoostingClassifier)是一种迭代的决策树算法,由多棵决策树组成,是进行多分类的算法模型。

计算逻辑原理

使用GradientBoostingClassifier算法进行建模。

使用流程说明

完成输入输出变量配置和参数配置。

参数说明

IN端口

参数名

描述

特征变量

配置模型特征列

目标变量

配置模型目标列

算法参数

参数名

描述

默认值

范围

损失函数

选择损失函数类型,指数损失函数只支持二分类目标。

对数

  • 对数

  • 指数

学习率

0.1

[0, 1]

树数量

要执行的提升阶段数。阶段数提升对于过度拟合有很强的鲁棒性,提升阶段数能带来更好的性能。

100

[1, 10000]

最大深度

各个回归估计量的最大深度。最大深度限制了树中节点的数量。

3

[1, 100]

分割样本下限

树生长过程中早停止的阈值。如果当前节点的不纯度高于阈值,节点将分裂。否则它是叶子节点。

2

[1, 10000]

叶节点所需样本下限

分支所需要的样本下限

1

采样率

用于拟合各个基础学习者的样本比例

1.0

[0, 1]

其他参数

参数名

描述

模型结果

查看建模成功后的模型评价结果