https://datascience.stackexchange.com/questions/8978
题
XGBoost是否可以单独完成用于产品强度的机器学习?如果没有,通常使用哪些其他工具或LIBS组合使用?
(我最近阅读了包括Ca 5件的堆栈的描述,包括Xgboost和Keras。)
解决方案
是的,这是一个全强度的机器学习范式。
XGBoost基本上是极端的梯度提升。
它仅接收数字矩阵数据。因此,您可能需要转换数据,以使其与XGBoost兼容。
这 广泛的参数 Xgboost范式的原因是它如此多样化。可以在树和线性模型上进行提升,然后根据您选择的模型来定义更多参数。
因此,是的,这本身就是一个完整的范式。但是,当您想要的不仅仅是XGBoost(如线性和树模型)的限制时,您可以使用 结合的概念.
在合奏的情况下,可以使用的工具/库取决于正在进行实验的数据科学家。它可以是Keras,Theano或Tensorflow,也可以是他/她喜欢的任何东西。 (基于意见)