Wie kann Xgboost in einem vollständigen Stapel für ML platzieren?

Question

Ist Xgboost alleine für das maschinelle Lernen von Prod-Starken abgeschlossen? Wenn nicht, mit welchen anderen Werkzeugen oder Libs ist es normalerweise kombiniert und wie?

(Ich habe kürzlich eine Beschreibung eines Stapels gelesen, der CA 5 -Teile enthielt, darunter Xgboost und Keras.)

Answer 1

Ja, es ist ein Paradigma für maschinelles Lernen mit voller Stärke.

XgBoost ist im Grunde genommen extremer Gradientenverstärkung.

Es nimmt nur numerische Matrixdaten auf. Vielleicht möchten Sie Ihre Daten so konvertieren, dass sie mit Xgboost kompatibel sind.

Das Großer Parameterbereich Das Xgboost -Paradigma macht es so vielfältig. Das Boosting kann an Bäumen und linearen Modellen durchgeführt werden, und dann können je nach ausgewählten Modell weitere Parameter definiert werden.

Also, ja, es ist ein komplettes Paradigma für sich. Wenn Sie jedoch mehr als die Einschränkungen von Xgboost wie lineare und Baummodellen wünschen, können Sie die verwenden Konzept des Ensemblings.

Bei Ensembles hängen die Tools/Bibliotheken, die verwendet werden können, von dem Datenwissenschaftler ab, der das Experiment durchführt. Es können Keras oder Theano oder Tensorflow oder alles sein, mit dem er/sie sich wohl fühlt. (Meinungsbasierte)