《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》
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。
图表编号 | XD0064209800 严禁用于非法目的 |
---|---|
绘制时间 | 2019.09.25 |
作者 | 杜俊杰、朱永忠、丁根宏 |
绘制单位 | 河海大学理学院、河海大学理学院、河海大学理学院 |
更多格式 | 高清、无水印(增值服务) |