《表5 XGBoost模型参数》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于XGBoost的客户所在店铺WiFi定位技术研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

将预处理后的数据输入到XGBoost模型中进行训练，为了既不影响模型的收敛速度，又有较好的定位准确率，采用的模型参数如表5所示。训练样本由WiFi强度值和shop＿id标签组成，通过WiFi强度值去训练一棵决策树，将叶子节点的结果分类到样本的标签上。虽然参数对决策树的树深做了限制，存在分类错误的情况，但由于XG-Boost模型采用了Boosting的集成学习方法，模型会将分类的误差作为下一轮决策树的拟合值。eta参数相当于学习速率，在进行完一次迭代后，会将叶子节点的权重乘上该系数，其目的主要是为了削弱每棵树的影响，让后面训练的决策树有更大的学习空间。通过多轮的迭代，XGBoost训练的目标函数的分类结果将始终逼近真实的标签，从而提高WiFi的定位精度。