《表4 特征向量化不同方式模型效果比较(%)》
综合表4,表5信息,如图3所示,在保证其他因素一致的情况下,XGBoost模型效果相较于传统的GBDT有比较大的提升,这一部分取决于XGBoost模型的优化机制,如XGBoost改进的剪枝方法和打分函数确定特征划分等机制。
图表编号 | XD00131677700 严禁用于非法目的 |
---|---|
绘制时间 | 2020.03.20 |
作者 | 柳阳、郭红钰 |
绘制单位 | 华北计算技术研究所系统八部、华北计算技术研究所系统八部 |
更多格式 | 高清、无水印(增值服务) |
综合表4,表5信息,如图3所示,在保证其他因素一致的情况下,XGBoost模型效果相较于传统的GBDT有比较大的提升,这一部分取决于XGBoost模型的优化机制,如XGBoost改进的剪枝方法和打分函数确定特征划分等机制。
图表编号 | XD00131677700 严禁用于非法目的 |
---|---|
绘制时间 | 2020.03.20 |
作者 | 柳阳、郭红钰 |
绘制单位 | 华北计算技术研究所系统八部、华北计算技术研究所系统八部 |
更多格式 | 高清、无水印(增值服务) |