¿Cómo colocar xgboost en una pila completa para ML?

Question

¿Se completa XGBOost solo para el aprendizaje automático de fuerza de prod? Si no, ¿con qué otras herramientas o libs se combinan típicamente y cómo?

(Recientemente leí una descripción de una pila que incluía piezas de CA 5, incluidas XGBOost y Keras).

Answer 1

Sí, es un paradigma de aprendizaje automático completo.

XGBOOST es básicamente un impulso de gradiente extremo.

Solo toma datos de matriz numérica. Por lo tanto, es posible que desee convertir sus datos de manera que sea compatible con XGBOost.

los amplia gama de parámetros Del paradigma xgboost es lo que lo hace tan diverso. El aumento se puede realizar en árboles y modelos lineales, y luego se pueden definir más parámetros según el modelo que haya seleccionado.

Entonces, sí, es un paradigma completo en sí mismo. Pero, cuando desee más que las limitaciones de XGBOost como los modelos lineales y de árboles, puede usar el concepto de conjunto.

En el caso de los conjuntos, las herramientas/bibliotecas que se pueden usar dependen del científico de datos que está llevando a cabo el experimento. Puede ser keras o theano o tensorflow, o cualquier cosa con la que se sienta cómodo. (basado en la opinión)