文章目录

GBDT 分类器
- 引入
- 重要参数
- - loss
  - learning_rate
  - subsample
  - n_estimators
  - criterion
  - max_depth
  - min_samples_leaf
  - min_samples_split
  - max_features
  - verbose
- 重要属性
- 重要方法
GBDT 回归器

本文主要是sklearn中GBDT的一些参数、属性、方法的理解，如果需要了解基础的理论知识，可以看看之前发表的文章：梯度提升树(GBDT)相关知识。

GBDT 分类器

引入

from sklearn.ensemble import GradientBoostingClassifier
# 全部参数
GradientBoostingClassifier(ccp_alpha=0.0, criterion='friedman_mse', init=None,learning_rate=0.1, loss='deviance', max_depth=3,max_features=None, max_leaf_nodes=None,min_impurity_decrease=0.0, min_impurity_split=None,min_samples_leaf=1, min_samples_split=2,min_weight_fraction_leaf=0.0, n_estimators=100,n_iter_no_change=None, presort='deprecated',random_state=None, subsample=1.0, tol=0.0001,validation_fraction=0.1, verbose=0,warm_start=False)

重要参数

loss

字符串类型，默认值’deviance’。用于指定损失函数：

‘deviance’：对数损失函数
‘exponential’：指数损失函数，只能用于二分类。

learning_rate

数值型，默认值0.1。用于指定学习率，调参方法：

给定 learning_rate 较小的值，例如0.1。
根据验证集准确率以10倍为单位增大或者减小参数值。
在找到合适的数量级后，在此数量级上微调。

合适的候选值：[0.001, 0.01, 0.1, 1]

subsample

数值型，默认值1。指定采样出 subsample * n_samples 个样本用于训练弱学习器。注意这里的子采样和随机森林不一样，随机森林使用的是放回抽样，而这里是不放回抽样。取值在(0, 1)之间，设置为1表示使用所有数据训练弱学习器。如果取值小于1，则只有一部分样本会去做GBDT的决策树拟合。选择小于1的比例可以减少方差，即防止过拟合，但是会增加样本拟合的偏差，因此取值不能太低。

推荐的取值为：[0.5, 0.6, 0.7, 0.8, 0.9, 1]

n_estimators

数值型参数，默认值为100，此参数指定了弱分类器的个数。设置的值越大，精确度越好，但是当 n_estimators 大于特定值之后，带来的提升效果非常有限。

推荐的参数值为：[120, 300, 500, 800, 1200]

criterion

字符串类型，默认值为 ‘gini’。这个参数指定划分子树的评估标准：

‘entropy’，使用基于信息熵的方法，即计算信息增益
‘gini’，使用基尼系数（Gini Impurity）

**推荐设置为 ‘gini’，**因为（1）基尼系数的计算过程相对简单，而计算信息增益需要进行对数运算。（2）使用信息增益作为划分标准时，在使用高纬度数据或者噪声很多的数据时容易过拟合。

max_depth

数值型，默认值3。这是与剪枝相关的参数，设置为None时，树的节点会一直分裂，直到：（1）每个叶子都是“纯”的；（2）或者叶子中包含⼩于min_sanples_split个样本。

推荐从 max_depth = 3 尝试增加，观察是否应该继续加大深度。

合适的取值可以是 [3, 5, 8, 15, 25, 30, None]

如果max_leaf_nodes参数非None，则忽略此项

min_samples_leaf

数值型，默认值1，指定每个叶子结点包含的最少的样本数。参数的取值除了整数之外，还可以是浮点数，此时（min_samples_leaf * n_samples）向下取整后的整数是每个节点的最小样本数。
此参数设置的过小会导致过拟合，反之就会欠拟合。调整过程：

从min_samples_leaf=5开始上下调整。
对于类别不多的分类问题，设置为1通常是合理的选择。
当叶节点包含样本数量差异很大时，建议设置为浮点数。

推荐的取值可以是：[1, 2, 5, 10]

min_samples_split

数值型，默认值2，指定每个内部节点(非叶子节点)包含的最少的样本数。与min_samples_leaf这个参数类似，可以是整数也可以是浮点数。

推荐的取值是：[1, 2, 5, 10, 15, 100]

max_features

可以为整数、浮点、字符串，默认值为None。此参数用于限制分枝时考虑的特征个数，超过限制个数的特征都会被舍弃。

如果是整数，则每次切分只考虑max_features个特征。
如果是浮点数，每次切分只考虑max_features*n_features个特征(max_features指定百分⽐)。
如果是字符串‘auto’，则max_features等于n_features。
如果是字符串‘sqrt’，则max_features等于sqrt(n_features)。
如果是字符串‘log2’，则max_features等于log2(n_features)。
如果是字符串None，则max_features等于n_features。

推荐的取值为：[‘log2’, ‘sqrt’, None]

verbose

数值类型，默认值为0，表示不输出日志。如果为1，则每次迭代输出一次日志。如果大于1，则每间隔 verbose 此迭代输出一次日志。

重要属性

1，feature_importances_ ，给出了各个特征对模型的重要性。

2，estimators_，一个数组，给出了每个弱学习器。

重要方法

1，fit(X, y) : 训练模型。
2，predict(X) : 用模型预测，返回预测值。
3，predict_proba(X) : 返回一个数组，数组元素依次为各个样本属于各个类别的概率值。
4，score(X, y) : 返回在(X, y)上预测的准确率(accuracy)。

GBDT 回归器

引入方式如下：

from sklearn.ensemble import GradientBoostingRegressor
# 所有参数
GradientBoostingRegressor(alpha=0.9, ccp_alpha=0.0, criterion='friedman_mse',init=None, learning_rate=0.1, loss='ls', max_depth=3,max_features=None, max_leaf_nodes=None,min_impurity_decrease=0.0, min_impurity_split=None,min_samples_leaf=1, min_samples_split=2,min_weight_fraction_leaf=0.0, n_estimators=100,n_iter_no_change=None, presort='deprecated',random_state=None, subsample=1.0, tol=0.0001,validation_fraction=0.1, verbose=0, warm_start=False)

与GBDT分类树相比较，主要是下面的参数存在区别：

loss：

字符串类型，默认值为 ‘ls’，实际可选的有：

‘ls’：此时损失函数为平方损失函数，使用最小二乘回归。
‘lad’：此时使用指数绝对值损失函数。
‘huber’：此时损失函数为上述两者的综合，即误差较小时，采用平方损失，在误差较大时，采用绝对值损失。
‘quantile’：分位数回归(分位数指的是百分之几)，采用绝对值损失。

criterion：

字符串类型，默认值为 ‘friedman_mse’，是衡量回归效果的指标。可选的有：

‘friedman_mse’：改进型的均方误差
‘mse’：标准的均方误差
‘mae’：平均绝对误差

除了这两个参数之外，其他参数、属性、方法的含义与用法与上文提到的GBDT分类器的参数基本一致。

参考文章：

sklearn.ensemble.GradientBoostingClassifier

sklearn.ensemble.RandomForestRegressor

scikit-learn 梯度提升树(GBDT)调参小结

sklearn中GBDT的一些参数、属性、方法的理解相关推荐

Extjs中给同一个GridPanel中的事件添加参数的方法
Extjs中给同一个GridPanel中的事件添加参数的方法: this.isUse = new Ext.Action({ text:'启用', sco ...
非常易于理解‘类'与'对象’ 间属性引用关系，暨《Python 中的引用和类属性的初步理解》读后感...
关键字:名称,名称空间,引用,指针,指针类型的指针(即指向指针的指针) 我读完后的理解总结: 1. 我们知道,python中的变量的赋值操作,变量其实就是一个名称name,赋值就是将name引用到一个 ...
python中size的用法.dim_对于numpy中的函数的参数dim的一点理解
对于numpy中的函数的参数dim的一点理解经常被dim参数搞混.试着总结了一下.记忆瞬间清晰了以.max(dim)方法为例: >>> import numpy as np &g ...
VS中添加命令行参数的方法
在VS中向命令行添加参数,即向main()函数传递参数的方法: 右键单击:添加参数的工程-->属性-->配置属性-->调试,在右侧"命令参数"栏输入要添加的参数, ...
sklearn中常见的线性模型参数释义
from sklearn.linear_model import LinearRegression LinearRegression(fit_intercept=True,normalize=Fals ...
VS2017中处理命令行参数的方法----C++语言 Windows系统
我们使用Windows系统的VS2017编程时,有时候需要处理命令行参数,但是该IDE默认情况下没有提供命令行参数,并且也不会自动识别,必须由我们自己去手动打开,接下来就用一个简单的例子来介绍一下如何 ...
mysql中的主从复制slave-skip-errors参数使用方法
在主从复制中,难免会遇到一些sql语句错误的问题.这个时候我们需要手动来重新设置中继日志的起始点了,有些麻烦.今天在看"2012华东架构师大会"视频的时候,发现淘宝丁奇的ppt里有 ...
JSP中四种传递参数的方法
1.form表单 2.request.setAttribute();和request.getAttribute(); 3.超链接:<a herf="index.jsp"?a= ...
java中关于线程的状态属性_深入理解Java多线程与并发框（第①篇）——线程的状态...
![](http://img.blog.itpub.net/blog/2020/03/20/5d189a73e1147f37.png?x-oss-process=style/bb) **1. 新建状态 ...

sklearn中GBDT的一些参数、属性、方法的理解