numpy - 了解一个非常简单的树的 XGBoost 模型转储输出
问题描述
我试图了解 XGBoost 的模型转储输出。我想逐步了解模型是如何得出它的预测的。为了简化,我训练了一个具有 1 个树和 1 个最大深度的模型,并且正如预期的那样,所有记录都得到两个预测之一,因为它有一个拆分 - 值是 {0.5386398434638977, 0.5011891722679138}。但是,当我查看模型转储时,我看到以下内容
booster[0]:
0:[f40<70.5] yes=1,no=2,missing=1
1:leaf=0.00475667231
2:leaf=0.154868156
我不知道如何以一种对预测有意义的方式来解释这一点。我错过了什么?
解决方案
推荐阅读
- python - 在 Windows 10 上安装 Jupyter 时出错
- python - 对于 Dataframe 中的每一行,测试所有其他行的条件
- c++ - 在类构造函数线程中启动 std::thread 是否安全?
- javascript - 使用 IF 条件更改类或隐藏 jQuery 插件可编辑
- javascript - 如何有条件地从数组中替换、添加或删除对象
- python - 如何访问内部类中的外部属性类?
- javascript - 使用 react 进行 API 调用
- csv - Logstash 启动成功但不起作用
- javascript - 如何模拟
在 React 中使用 Jest 和 Enzyme - swiftui - 在 SwiftUI 中实现标签列表