Globálne hodnotenie významnosti premenných v modeli XGBoost
V tomto príspevku predstavujeme systematickú analýzu významnosti vstupných premenných v regresnom modeli využívajúcom algoritmus XGBoost, pričom model bol dopredu optimalizovaný s ohľadom na hyperparametre. Cieľom práce je preskúmať, ako upravené nastavenia modelu (napr. počet stromov, hĺbka, mierka...
Salvato in:
| Autore principale: | |
|---|---|
| Natura: | Capitolo di libro |
| Lingua: | slovacco |
| Soggetti: | |
| Tags: |
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi: Globálne hodnotenie významnosti premenných v modeli XGBoost
- Porovnanie klasickej analýzy významnosti premenných a interpretácie pomocou SHAP pri modeli XGboost
- Fuzzy logika v predspracovaní údajov a jej vplyv na výkonnosť modelu strojového učenia XGBOOST
- Model Transparency: Integrating XGBoost with SHAP for Explainable Machine Learning
- Regresia pomocou metódy podporných vektorov: Nástroj pre presné a robustné predikcie
- Porovnanie stratégií trénovania modelu XGboost: Train-test split a k-fold cross validácia
- Predicting the Effects of News on the Financial Market Based on Machine Learning Technology