安徽科技学院图书馆书目检索系统

Online Public Access Catalogue

题名/责任者:

梯度提升算法实战:基于XGBoost和scikit-learn/(美) 科里·韦德著 张生军译

出版发行项:

北京:清华大学出版社,2024.4

ISBN及定价:

978-7-302-65951-8/CNY99.00

载体形态项:

xvii, 218页:图;26cm

统一题名:

Hands-on gradient boosting with XGBoost and scikit-learn

其它题名:

基于XGBoost和scikit-learn

个人责任者:

韦德 (Wade, Corey) 著

个人次要责任者:

张生军 译

学科主题:

机器学习-算法

中图法分类号:

TP181

相关题名附注:

英文题名原文取自版权页

提要文摘附注:

本书在介绍机器学习和XGBoost在scikit-learm中的应用后, 逐步深入梯度提升背后的理论知识。读者将学习决策树, 并分析在机器学习环境中的装袋技术, 同时学习拓展到XGBoost的超参数; 并将从零开始构建梯度提升模型, 将梯度提升扩展到大数据领域, 同时通过计时器的使用了解速度限制。接着, 本书重点探讨XGBoost的细节, 着重于速度提升和通过数学推导导出参数。通过详细案例研究, 读者将练习使用scikit-learn及原始的PythonAPI构建和微调XGBoost分类器与回归器; 并学习如何利用XGBoost的超参数来提高评分、纠正缺失值、缩放不平衡数据集, 并微调备选基学习器。最后, 读者将学习应用高级XGBoost技术, 如构建非相关的集成模型、堆叠模型, 并使用稀疏矩阵、定制转换器和管道为行业部署准备模型。

使用对象附注:

本书适合作为高等学校计算机专业、软件工程专业的高年级本科生及研究生教材, 同时适合有一定机器学习基础的数据科学家、机器学习工程师和研究人员阅读, 可为解决复杂的机器学习问题提供实用指导

豆瓣简介：