機器學習 | Python實現(xiàn)GA-XGBoost遺傳算法優(yōu)化極限梯度提升樹特征分類

基本介紹

XGBoost的核心算法思想基本就是：
不斷地添加樹，不斷地進行特征分裂來生長一棵樹，每次添加一個樹，其實是學習一個新函數(shù)f(x)，去擬合上次預測的殘差。當我們訓練完成得到k棵樹，我們要預測一個樣本的分數(shù)，其實就是根據(jù)這個樣本的特征，在每棵樹中會落到對應的一個葉子節(jié)點，每個葉子節(jié)點就對應一個分數(shù)。最后只需要將每棵樹對應的分數(shù)加起來就是該樣本的預測值。

模型描述

• 不斷地枚舉不同樹的結(jié)構(gòu)，然后利用打分函數(shù)來尋找出一個最優(yōu)結(jié)構(gòu)的樹，接著加入到模型中，不斷重復這樣的操作。這個尋找的過程使用的就是貪心算法。選擇一個feature分裂，計算loss function最小值，然后再選一個feature分裂，又得到一個loss function最小值，你枚舉完，找一個效果最好的，把樹給分裂，就得到了小樹