我的任务是向非技术人员解释XGBoost算法的原理(在powerpoint演示文稿中向高层管理人员解释1-2张幻灯片)。
我目前正在研究原始论文:这里用于XGBoost的论文,这里用于Friedmann的原始促进思想。
我给出了一个关于助推原理的简短解释:这个模型是迭代建立的,集中在以前的模型出错的地方。XGBoost利用树的体系结构和工具(拆分、剪枝)来做到这一点。
你对这个简短的描述有什么补充?
发布于 2019-08-22 13:06:08
xgboost文档附带了一个很好的介绍和示例。如果真的只有几张幻灯片,这可能是一个很好的开始:https://xgboost.readthedocs.io/en/latest/tutorials/model.html
https://datascience.stackexchange.com/questions/58002
相似问题