【技术干货】集成算法专题：XGBoost分枝原理详解：结构分数与分数增益
Parts
Description
【获取完整课件&代码&数据加vx littlebird_0229，完整目录见评论区】 不同于其他树的集成算法，XGBoost独创了【全新分枝指标】及【全新建树流程】，这一改进后的CART树被业界成为XGBoost Unique Tree（XGBoost唯一树）。在XGBoost系统中，甚至涉及到了4种建树流程，今天我们将讲解与普通CART树最为接近的贪婪建树流程。关于XGBoost的分枝指标究竟从何而来，请关注后续更新的更多原理视频~
Comments
菜菜老师，之前调xgb中的random_state对模型效果有影像（不是kflod中或划分训练集测试集中的），为啥现在调这个参数，模型精度一点不变呢？
♥ 1
十一月了还会有lgb嘛[大哭]
↩ 1
菜菜，我加了那个客服，然后链接点进去，只看到了那个2999的数据分析实战，请问xgboost的四部分完整内容是包含在这里面的吗？还是说单独的？谢谢谢谢 [脸红][脸红][脸红]
↩ 6
菜菜老师好，请问XGBoost 基于TPE 的调参这一节课中，我用TPE优化XGBoost回归参数之后的RMSE比默认设置计算出来的RMSE还大，但默认设置在我的调参空间范围内，什么原因会导致这种情况 ？？？[保佑][保佑][保佑]
↩ 3
新版集成学习已更新部分如下： 01 Bagging与随机森林：https://www.bilibili.com/video/BV1Bm4y1D73d/ 02 随机森林在巨量数据上的增量学习：https://www.bilibili.com/video/BV13R4y1g721/ 03 Boosting与AdaBoost：https://www.bilibili.com/video/BV1XS4y157eq/ 04 梯度提升树GBDT：https://www.bilibili.com/video/BV1tF411n7cS/ 05 梯度提升树的八种损失函数：https://www.bilibili.com/video/BV1AZ4y1Z79H/ 06 GBDT+贝叶斯优化调参实战：https://www.bilibili.com/video/BV1n34y147d8/ 07 XGBoost回归的实现：https://www.bilibili.com/video/BV16P4y1T7u3/ 08 XGBoost的目标函数及相关参数：https://www.bilibili.com/video/BV1Au411B7bC/ 09 XGBoost分枝原理详解：https://www.bilibili.com/video/BV1XS4y1U7pP/
↩ 4