《表1 数据集信息：基于Mean Decrease Impurity改进XGBoost算法》

  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Mean Decrease Impurity改进XGBoost算法》

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

本文为了能得到算法相对公正的评价，因此采用的数据集为UCI数据库中数据集，其基本信息如表1所示。实验语言采用python，python是一门解释型语言，在机器学习与人工智能方面有着广泛的应用。为证明mean decrease impurity算法的有效性，本文把该算法与利用方差算法进行比较。XG-Boost算法使用sklearn库实现，并选取三个对模型影响较大的超参数进行调整。三个参数为:n＿estimators，max＿depth，min＿child＿weight。参数空间如表2所示。