|
| 参数 |
描述 |
范围 |
|
| 助推器 |
使用助推器。 |
“gblinear”、“gbtree” |
| N_估计量 |
增强树的数量。 |
100,200,300,400,500 |
| 最大深度 |
基础学习者的最大树深度。 |
3,4,5,6,7,8 |
| 最小儿童体重 |
我们允许每个树的权重估计为最大增量步长。 |
1,2,3,4,5,6 |
| 伽马射线 |
在树的叶节点上进行进一步分区所需的最小损失减少。 |
0.01, 0.05,0.1,0.2,0.3 |
| 子样本 |
训练实例的子样本比率。 |
0.6,0.7,0.8,0.9,1 |
| Colsample |
构造每个树时列的子样本比率。 |
0.6,0.7,0.8,0.9,1 |
| 雷格阿尔法 |
权的L1正则化项 |
0.01,0.05,0.1 |
| 雷格·拉姆达 |
权的L2正则化项 |
0.01,0.05,0.1 |
| 学习率 |
提高学习率 |
0.01,0.05,0.07,0.1,0.2 |
|
|
