xgboost基于增益的特征重要性(gain)计算公式
时间: 2023-09-27 19:07:22 浏览: 412
xgboost原理
5星 · 资源好评率100%
XGBoost基于增益的特征重要性计算公式如下:
$Gain=\frac{1}{2}[\frac{G_L^2}{H_L+\lambda}+\frac{G_R^2}{H_R+\lambda}-\frac{(G_L+G_R)^2}{H_L+H_R+\lambda}] - \gamma$
其中,$G_L$和$G_R$分别为左子树和右子树的梯度和,$H_L$和$H_R$分别为左子树和右子树的Hessian矩阵和,$\lambda$为正则化项系数,$\gamma$为阈值参数。
XGBoost通过计算每个特征在所有树中的平均增益,来评估特征的重要性。特征的重要性得分越高,代表该特征对于模型的预测能力越强。
阅读全文