热门标签
热门文章
- 1Android精美登录界面设计
- 2使用 Calendar 计算时间_calendar 时间计算
- 3redis在linux的安装及redis常用指令的使用_linux 通过命令增加redis内存
- 4rabbitMQ知识概括_rabbitmq 端口
- 5模仿dcloudio/uni-preset-vue 自定义基于uni-app的小程序框架
- 6python断言assert实例求素数_Python单元测试框架之pytest -- 断言
- 7数字图像处理、计算机图形学相关的名词解释和解答题（二）
- 8使用vscode进行rebase拉取_vscode rebase
- 9翻译：Face-Sensitive Image-to-Emotional-Text Cross-modal Translation for Multimodal Aspect-based Sentim
- 10为什么java会发生溢出,java – 为什么这个乘法整数溢出导致零？
当前位置: article > 正文
【机器学习】如果你发现你的GBDT模型过拟合了？该从那个参数入手？—降低学习率_过拟合学习率怎么调整
作者：小丑西瓜9 | 2024-05-07 03:24:02
赞
踩
过拟合学习率怎么调整
总结的Boosting的参数如下：
Gradient Boosted(-ing) Decision Tree：
- 构造一系列决策树，每棵树尝试去纠正之前的错误
- 每棵树学习的是之前所有树的结论和残差，拟合得到一个当前的树。整个迭代过程生成的树的累加就是GBDT
- 学习率决定新的树去纠正错误的程度：
- 高学习率：生成复杂的树
- 低学习率：生成简单的树
学习率降低，会缩小每棵树的贡献，让每棵树都不要太强。
因此，当我们的GBDT模型发生过拟合的时候，可以尝试降低学习率！
声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/小丑西瓜9/article/detail/547232
推荐阅读
相关标签
