全部产品

梯度提升回归树

本文为您介绍算法组件的梯度提升回归树算法组件。

梯度提升回归树(GradientBoostingRegressor)是利用树模型进行回归的算法模型。

计算逻辑原理

使用GradientBoostingRegressor算法进行建模。

使用流程说明

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

损失函数类型

最小二乘回归

  • 最小二乘回归

  • 最小绝对偏差

  • Huber

  • 分位数回归

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。

10

[1, 10000]

采样率

用于拟合各个基础学习者的样本比例

1.0

[0, 1]

特征分裂指标

衡量分割质量的功能

弗里德曼均方误差

  • 弗里德曼均方误差

  • 均方误差

  • 平均绝对误差

最小分割样本下限

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。

2

[1, 10000]

叶节点所含最少样本数

少于该数据不会分支

1

[1, 10000]

节点最小权重系数

叶子节点中样本的最小权重系数

0.0

[0.0, 99999999.9]

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]

分位数

当损失函数为Huber或分位数回归时,该参数生效。如果噪音点较多,可以适当降低该值。

0.9

[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