书目详细信息
： 梯度提升算法实战:基于XGBoost和scikit-learn
书目信息 机读格式(MARC)
| ISBN/价格： | 978-7-302-65951-8:CNY99.00 |
|---|---|
| 作品语种： | chi eng |
| 出版国别： | CN 110000 |
| 题名责任者项： | 梯度提升算法实战/.(美) 科里·韦德著/.张生军译 |
| 出版发行项： | 北京:,清华大学出版社:,2024 |
| 载体形态项： | xvii, 218页:;+图:;+26cm |
| 相关题名附注： | 英文题名原文取自版权页 |
| 提要文摘： | 本书在介绍机器学习和XGBoost在scikit-learm中的应用后, 逐步深入梯度提升背后的理论知识。读者将学习决策树, 并分析在机器学习环境中的装袋技术, 同时学习拓展到XGBoost的超参数; 并将从零开始构建梯度提升模型, 将梯度提升扩展到大数据领域, 同时通过计时器的使用了解速度限制。接着, 本书重点探讨XGBoost的细节, 着重于速度提升和通过数学推导导出参数。通过详细案例研究, 读者将练习使用scikit-learn及原始的PythonAPI构建和微调XGBoost分类器与回归器; 并学习如何利用XGBoost的超参数来提高评分、纠正缺失值、缩放不平衡数据集, 并微调备选基学习器。最后, 读者将学习应用高级XGBoost技术, 如构建非相关的集成模型、堆叠模型, 并使用稀疏矩阵、定制转换器和管道为行业部署准备模型。 |
| 题名主题： | 机器学习 算法 |
| 中图分类： | TP181 |
| 个人名称等同： | 韦德 著 |
| 个人名称次要： | 张生军 译 |
| 记录来源： | CN SCZH 20241120 |