python实现GBDT算法的回归、二分类以及多分类，算法流程解读并可视化

向AI转型的程序员都关注了这个号????????????

机器学习AI算法工程  公众号：datayx

GBDT 的全称是 Gradient Boosting Decision Tree，梯度提升树，在传统机器学习算法中，GBDT算的上TOP3的算法。想要理解GBDT的真正意义，那就必须理解GBDT中的Gradient Boosting 和Decision Tree分别是什么？

算法原理以及公式推导请前往blog：

https://blog.csdn.net/weixin_41194171/article/details/85042720

https://blog.csdn.net/zpalyq110/article/details/79527653

项目地址

关注微信公众号 datayx  然后回复 GBDT  即可获取。

AI项目体验地址 https://loveai.tech

运行指南

• 回归测试：

  python example.py --model = regression

• 二分类测试：

  python example.py --model = binary_cf

• 多分类测试：

  python example.py --model = multi_cf

• 其他可配置参数：lr -- 学习率,   trees -- 构建的决策树数量即迭代次数,depth -- 决策树的深度,  

  count -- 决策树节点分裂的最小数据数量,

  is_log -- 是否打印树的生成过程,

  is_plot -- 是否可视化树的结构.

• 结果文件：运行后会生成results文件夹,里面包含了每棵树的内部结构和生成日志

结果展示

仅展示最后所有树的集合，具体每棵树的详细信息望读者自行运行代码~

---

阅读过本文的人还看了以下：

不断更新资源

深度学习、机器学习、数据分析、python

 搜索公众号添加： datayx  

长按图片，识别二维码，点关注

AI项目体验

https://loveai.tech