机器学习｜第6期. 特征工程干货及R实战（三）

文章预览

BE声明学写文章② 往期回顾   REVIEWS   1）机器学习｜第1期. 一图get机器学习基本流程 2） 机器学习｜第2期. 你该知道的数据预处理实战① 3）机器学习｜第3期. 你该知道的数据预处理实战② 4）机器学习｜第4期. 特征工程干货及R实战（一） 5） 机器学习｜第5期. 特征工程干货及R实战（二） 上两期我们带大家学习了机器学习的特征工程干货及R实战（一）（二），希望大家已学会如何进行特征选择！本期我们继续分享特征工程之特征选择的常用方法， XGboost法 。 MASCU • ✦ 机器学习 ✦ • 01 特征选择之 XGBoost 极端梯度提升 （eXtreme Gradient Boosting, XGBoost )是机器学习特征选择的又一员大将，其核心思想是基于梯度提升决策树（Gradient Boosting Decision Tree, GBDT）的提升算法，通过逐步构建一系列弱学习器（主要是决策树），并将其组合成一个强学习器，从而 ………………………………