Freemanzxp/GBDT_Simple_Tutorial
Freemanzxp/GBDT_Simple_Tutorial has 735 GitHub stars and 193 forks. GitHot measured 0 stars in 24 hours and -2 in 7 days. Last checked 2026-11-21 01:57 UTC. Last push 2019-06-15.
計測したスター増加
- 24時間
- 0
- 7日間
- -2
- 15日間
- 履歴を収集中
- 1か月
- 履歴を収集中
期間ごとの純増数です。期間は重複しており、日別の値ではありません。未計測の値は空欄です。スター数は注目度の指標であり、品質の保証ではありません。
概要
python实现GBDT的回归、二分类以及多分类,将算法流程详情进行展示解读并可视化,庖丁解牛地理解GBDT。Gradient Boosting Decision Trees regression, dichotomy and multi-classification are realized based on python, and the details of algorithm flow are displayed, interpreted and visualized to help readers better understand Gradient Boosting Decision Trees
機械学習README.md
オリジナルGBDT_Simple_Tutorial(梯度提升树简易教程)
简介
利用python实现GBDT算法的回归、二分类以及多分类,将算法流程详情进行展示解读并可视化,便于读者庖丁解牛地理解GBDT。
项目进度:
- 回归
- 二分类
- 多分类
- 可视化
算法原理以及公式推导请前往blog:GBDT算法原理以及实例理解
依赖环境
- 操作系统:Windows/Linux
- 编程语言:Python3
- Python库:pandas、PIL、pydotplus,
其中pydotplus库会自动调用Graphviz,所以需要去Graphviz官网下载
graphviz的-2.38.msi,先安装,再将安装目录下的bin添加到系统环境变量,此时如果再报错可以重启计算机。详细过程不再描述,网上很多解答。
文件结构
- | - GBDT 主模块文件夹
- | --- gbdt.py 梯度提升算法主框架
- | --- decision_tree.py 单颗树生成,包括节点划分和叶子结点生成
- | --- loss_function.py 损失函数
- | --- tree_plot.py 树的可视化
- | - example.py 回归/二分类/多分类测试文件
运行指南
回归测试:
python example.py --model = regression二分类测试:
python example.py --model = binary_cf多分类测试:
python example.py --model = multi_cf其他可配置参数:
lr-- 学习率,trees-- 构建的决策树数量即迭代次数,depth-- 决策树的深度,count-- 决策树节点分裂的最小数据数量,is_log-- 是否打印树的生成过程,is_plot-- 是否可视化树的结构.结果文件: 运行后会生成
results文件夹,里面包含了每棵树的内部结构和生成日志
结果展示
仅展示最后所有树的集合,具体每棵树的详细信息望读者自行运行代码~
