XGBoost Linear 节点的“构建选项”选项卡

使用“构建选项”选项卡可以指定 XGBoost Linear 节点的构建选项,包括线性提升参数和模型构建之类的基本选项以及用于目标的学习任务选项。有关这些选项的更多信息,请参阅以下在线资源:

基本

超参数优化(基于 Rbfopt)。选择此选项以启用基于 Rbfopt 的超参数优化,这将自动发现最佳参数组合,从而使模型在样本上实现期望或更低的错误率。有关 Rbfopt 的详细信息,请参阅http://rbfopt.readthedocs.io/en/latest/rbfopt_settings.html

Alpha。这是有关权重的 L1 规则化术语。增大此值将使模型更保守。

Lambda。这是有关权重的 L2 规则化术语。增大此值将使模型更保守。

Lambda 偏差。这是有关基本选项的 L2 规则化术语。(没有关于偏差的 L1 规则化术语,因为它不重要。)

提升舍入次数。这是提升迭代的次数。

学习任务

目标。请从以下学习任务目标类型中进行选择:reg:linearreg:logisticreg:gammareg:tweediecount:poissonrank:pairwisebinary:logisticmulti

随机种子。您可以单击生成来生成随机数字生成器所使用的种子。

下表显示 SPSS® Modeler XGBoost Linear 节点对话框中的设置与 Python XGBoost 库参数之间的关系。
表 1. 映射到 Python 库参数的节点属性
SPSS Modeler 设置 脚本名称(属性名称) XGBoost 参数
目标 TargetField
预测变量 InputFields
Lambda lambda lambda
Alpha alpha alpha
Lambda 偏差 lambdaBias lambda_bias
提升舍入次数 numBoostRound num_boost_round
目标 objectiveType objective
随机种子 random_seed seed

1“XGBoost Parameters”Scalable and Flexible Gradient Boosting。Web. © 2015-2016 DMLC。

2“Plotting API”Scalable and Flexible Gradient Boosting。Web. © 2015-2016 DMLC。

3“Scalable and Flexible Gradient Boosting”。Web. © 2015-2016 DMLC。