Python3機器學習實踐：集成學習之XGBoost

一、XGBoost目標函數 首先認清一點，它是GBDT的升級版，由陳天奇發明，在效率、方法方面都進行了優化。 不管對於迴歸問題還是分類問題，好的機器學習方法的目的就是降低目標函數(也可稱爲損失函數)的值，目標函數包括2個部分：一是模型的損失函數，二是模型的複雜度。也就是目標函數具有下面的形式： 上面公式中，前者表示模型的損失函數的值，降低它是爲了降低偏差，也就是使得預測的數據和真實的數據更爲接近；

>>阅读原文<<