XGBoost 初学者：XGBoost 中的 3 对特征有什么区别？答案

【问题标题】：XGBoost for the beginner: What are the differencies between 3 pairs of features in XGBoost?XGBoost 初学者：XGBoost 中的 3 对特征有什么区别？
【发布时间】：2019-09-02 17:34:28
【问题描述】：

请您帮助我区分一些 XGBoost 功能（如下）。非常感谢。

两者有什么区别：

-xgb.train

-xgb.fit

他们不是都在训练模型吗？

两者有什么区别：

-num_round = 20 # The number of rounds for boosting
-n_estimators – quantity of the trees

他们不是都生成了许多树吗？

两者有什么区别：

-eta – step size
-max_depth - depth of the tree

它们不是都防止过拟合吗？

【问题讨论】：

标签： xgboost

【解决方案1】：

广告。 1

xgboost.train 是一种 xgboost 方法
.train 是一个 sklearn 函数

ad.2

同样，

num_round 来自 xgboost python api
sklearn中使用n_estimators

广告。 3

Eta 是一个参数，用于控制每次迭代中权重的更新量。
Max-depth 是每棵树的大小上限。两者都可以在防止过度拟合方面发挥作用，但您需要调整它们以找到适用于您的数据集的这两者的组合。

请阅读有关 xgboost 算法的更多信息。这是 R 中 xgboost 的介绍，但它有一个非常好的简短的理论介绍https://www.hackerearth.com/practice/machine-learning/machine-learning-algorithms/beginners-tutorial-on-xgboost-parameter-tuning-r/tutorial/

【讨论】：

Adamik Ewert，非常感谢。我会阅读你推荐的文章。但是第一个问题仍然存在：-xgb.train 和 -xgb.fit 之间有什么区别（不是 .train 和 xgboost.train）。