回答情况：
提问时间：
问题标签：
我试图理解GBM和XGBOOST之间的关键区别。我试着搜索它，但是找不到任何好的答案来解释这两种算法之间的区别，以及为什么xgboost几乎总是比GBM表现得更好。是什么让XGBOOST这么快？
浏览 0修改于2019-06-05得票数 81
回答已采纳
我正在使用梯度助推机(GBM)算法进行信用风险建模，在对违约概率(PD)进行预测时，即使我的代码中有set.seed(1234)，每次运行时我也会得到不同的PD。# summarizing the modelmodel_gbm<-train(trainSet[,predictors],trainSet[,outcomeName],method='gbm'
浏览 1修改于2019-03-14得票数 1
同时，gbm()在处理数据量方面没有问题。根据文献资料，blackboost算法与gbm算法是一致的。("")
gbm有一个次抽样策略(由"bag.fraction“参数设置)，它似乎没有在blackboost中实现，影响内存的使用gbm使用CART函数来构建树，而blackboost使用的是ctree，它似乎占用了大量内存()。我想使用mboost中可用的AUC()丢失函数，但不使用<
浏览 1修改于2017-05-23得票数 6
我最近遵循了一个教程，创建了一种检测信用卡欺诈的算法。所有的模型都运行得很好，我知道如何构建它们；但是，我到底如何利用这些信息并将其转换为明确的答案？按照相同的示例，假设我为我的工作编写了这段代码，那么我如何获取真实的信用卡数据并使用此算法对其进行筛选？我真的想在运行这些模型和从真实数据中生成有用的输出之间建立联系。system.time(
model_gbm <- gbm(Class ~= gbm<
浏览 0提问于2020-03-04得票数 0
默认情况下，增强回归树(包gbm)的R实现如何处理预测变量的缺失值？它们被归罪了吗?如果是，根据哪种算法？
我的问题背景:我几乎在一年前做了分析，我使用了Elith等人提供的脚本。2008 (增强回归树工作指南，Journal of Animal Ecology 77,802-813)以调用gbm。我现在意识到我有一些预测变量的NAs，我想知道增强的回归树是如何处理它们的。浏览各种手册和论文，我发现像“增强回归树可以容纳缺失值”之类的语句，但我找不到gbm对缺失值所做的准确描述。分析本身没有问题，所以gbm</em
浏览 1修改于2013-09-06得票数 7
算法GBM算法(如XGBoost或LightGBM )如何处理NaN值？我知道他们学习如何用其他值替换NaN值，但我的问题是:他们是如何准确地做到这一点的？
浏览 0修改于2020-07-10得票数 10
我尝试了不同的不同模型，发现boosting算法(即xgboost，catboost，lightgbm)在大数据set.here上执行得很好gbm = lgb.LGBMRegressor(objective='regression',num_leaves=100,learning_rate=0.2,n_estimators=1500)
gbm.fit(x_train, y_train,(x_test, num_iteration=gbm.best_iter
浏览 3提问于2018-06-05得票数 0
gbm.tune$xgbm.train <- train(gbm.ps, testTask) generateLearningCurveData(gbm.pred)
gbm.submit <- data.frame()
head(gbm.submit, 5)dbl> 2, 2,
浏览 1修改于2019-05-31得票数 0
回答已采纳
有人能指出特征选择和聚类以及降维算法之间的区别吗？聚类帮助我们指出哪些变量簇清楚地定义了输出。这与降维算法不一样吗？特征选择+聚类不是和降维算法一样吗？
浏览 4提问于2015-10-27得票数 0
对于R是否有促进不同算法的包？例如，随机森林和神经网络。据我所知，包ada和gbm只能提升决策树。
谢谢。
浏览 5修改于2013-06-05得票数 3
-1 0.00000e+00 27 0.03007 -1 -0.0150 -1 -1 -1 0.00000e+00 10 -0.01505 3 2.05000000 6 7 <e
浏览 2提问于2015-07-30得票数 2
回答已采纳
关于问题在gbm.plot中设置轴宽的问题；我现在直接使用plot.gbm，似乎无法删除y轴标签，该标签似乎是在plot.gbm函数代码中设置的。bty="n", mgp=c(1.6,0.5,0)) axis(1, lwd.tic
浏览 2修改于2017-05-23得票数 0
回答已采纳
| D| Gbm| G| A|| Bm| Gbm| G| D|| D| Gbm| G| A|| Bm| Gbm| G| D|| D| Gbm| D| Gbm| G| A| Bm| Gbm| G| D|
Bm|
浏览 11提问于2020-06-01得票数 1
<- gbm(Species ~ ., data=train.iris, n.trees=200, verbose=FALSE)gbm.pred <- as.factor(colnames(gbm.pred)[max.col(gbm.pred)]) ##!LC_NUMERIC=C
浏览 2修改于2015-01-11得票数 16
回答已采纳
GBM_NTREES = 150GBM_DEPTH = 4> GBM_model <- gbm.fit( 7 0.0539 nan 0.1000 0.0007,n.trees = GBM<
浏览 0提问于2011-12-07得票数 8
回答已采纳
这里有一些实际问题：function (grid) loop <- plyr::ddply(grid, c("shrinkage", "interaction.depth",我只想
浏览 6修改于2018-08-27得票数 2
这是我在h2o中使用GBM算法时的代码，但我可以像这样使用决策树。因为h2o中没有决策树代码。responseColumn.columnName = ATT_LABLE_IRIS;
GBMV3 gbmBody = h2o.train_gbm那么，如何在h2o中使用决策树算法呢？
浏览 13提问于2018-08-29得票数 0
我一直致力于获得一个引导置信区间周围产生的梯度增强机器学习算法的AUCs，并有一个连续的结果。下面是需要重复至少200次的代码：
library("WVPlots")require(gbm)
#generating some datam
浏览 2修改于2016-10-09得票数 0
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号