什么网格搜索、贝叶斯调参,就不做赘述。
本次简单记录一下工作积累的调参经验。
n_estimators:和多个参数相互影响,比如learning_rate,一般来说,树越简单,n_estimators越大,树越复杂,n_estimators越小,简单对应的是树分得很粗糙,max_depth较小,min_child_weight较大。一般建议>=30
min_child_weight:即是树枝的样本数,值越大,越不容易过拟合,一般建议训练样本的5%。
max_depth:即是树的层数,一般建议2-5,越小越不容易过拟合。
scale_pos_weight:1-10都OK,常用1-3。
其余的参数调整无多大意义,使用常用的即可。
主要调整的参数是n_estimators,min_child_weight,调整的衡量指标是训练集测试集oot的ks的值以及差值。
一、
标签:max,weight,min,调参,estimators,汇总,child From: https://www.cnblogs.com/cgmcoding/p/17406428.html