每周一書|《Hands-On Gradient Boosting with XGBoost and scikit-learn》
《每周一書》專欄·第4篇
文 | Pyer
831字 | 3分鐘閱讀
【數(shù)據(jù)科學(xué)與人工智能】開通了Python群，大家可以相互學(xué)習(xí)和交流。請掃描下方二維碼，備注：Python，添加我為好友，誠邀你入群，一起進(jìn)步。
最近，我在做工作復(fù)盤的時候，想到了一個問題。
xgboost怎么理解和應(yīng)用？xgboost和gbdt,lightGBM有什么異同？
朋友們，關(guān)于這個問題，大家有什么想法和認(rèn)識，請留言，或者加入Python群，參與討論和交流。我為了全面地理解算法xgboost，找了許多資料，包括算法的論文、算法的相關(guān)內(nèi)容、算法的設(shè)計與實現(xiàn)以及應(yīng)用等。xgboost是boost算法家族的一個成員，全程是【極限梯度提升算法】，適合處理表格化數(shù)據(jù)，具有高效率，高準(zhǔn)確度，在許多場景里發(fā)揮出積極作用。
本周，我要分享的書籍是與xgboost緊密相關(guān)的。
每周一書：《Hands-On Gradient Boosting with XGBoost and scikit-learn》
這本書包括兩個部分，第一部分，介紹集成學(xué)習(xí)的兩種主流思想，Bagging和Boosting,包括機器學(xué)習(xí)基礎(chǔ)、決策樹深入理解、Bagging與隨機森林算法和梯度提升到xgboost；第二部分，詳細(xì)介紹xgboost，包括xgboost的原理、超參數(shù)、優(yōu)化以及應(yīng)用。同時，本書對于相關(guān)內(nèi)容，也提供了可以進(jìn)一步拓展和延伸的資料鏈接，以幫助你更全面地學(xué)習(xí)，也滿足那深刻學(xué)習(xí)的好奇心。這本書，具有很強的實用性，基于Python語言和相關(guān)Python庫，通過編寫程式，指導(dǎo)我們從實踐角度來理解和應(yīng)用這些重要的算法，感受和體會這些算法的魅力和價值。
通過對xgboost算法深刻理解和認(rèn)識，我們可以發(fā)掘，機器學(xué)習(xí)算法里面的一個重要家族，即樹模型家族。簡單說，就是以決策樹為基礎(chǔ)，融合各種學(xué)習(xí)思想，所產(chǎn)生的一系列算法。決策樹算法及其變體，對于從數(shù)據(jù)中學(xué)習(xí)，具有易理解，好解釋，方便部署和實施等優(yōu)勢，同時，算法的各方面性能指標(biāo)，也在不斷優(yōu)化和改進(jìn)中。所以，你若是想學(xué)習(xí)和利用機器學(xué)習(xí)，建議你研究和應(yīng)用樹模型這個家族，它可以幫助你完成很多任務(wù)和創(chuàng)造多方價值。
若是喜歡閱讀電子版書籍，請掃描下方二維碼，進(jìn)入公眾號，回復(fù)關(guān)鍵詞：20210314，獲取資源領(lǐng)取方式。
每周一書
公眾號推薦