请问针对Adaboost、GBDT等集成学习同一个特征是否可以入模多次?

  统计/机器学习 监督式学习    浏览次数:2368        分享
0

【求教】【集成学习】请问针对Adaboost、GBDT等集成学习:

(1)同一个特征是否可以入模多次?

(2)同一棵树上是否可以入模多次?

(3)如果可以多次入模,是不是容易过拟合?

(4)Sklearn的Adaboost或GBDT实现中,一个特征是否是多次入模的?

 

vonta   2019-08-01 09:33



   1个回答 
2

(1)同一个特征是否可以入模多次?

可以的。


(2)同一棵树上是否可以入模多次?

可以的。但是binary feature不行。参考:决策树的深度和数据特征个数的关系


(3)如果可以多次入模,是不是容易过拟合?

是否过拟合和同一特征被选择的次数无关。


(4)Sklearn的Adaboost或GBDT实现中,一个特征是否是多次入模的?

是的。可能多次也可能零次。

SofaSofa数据科学社区DS面试题库 DS面经

zl_pku   2019-08-01 14:14

那请问binary feature在不同的树上也只能使用一次吗? - vonta   2019-08-01 19:08
binary feature可以出现在不同的树上的。 - zl_pku   2019-08-01 22:06
非常感谢 - vonta   2019-08-02 15:33


  相关讨论

Adaboost里的树有没有可能权重是负数?

Gradient tree boosting和random forest (随机森林) 有什么区别和联系

Extra Tree算法

lightgbm使用自定义损失函数后,二分类的预测结果不再是【0,1】区间

决策树可以做多元分类吗?

随机森林预测问题

随机森林中增加树的数量对于偏差和方差的影响

决策树的深度和数据特征个数的关系

关于knn算法中kd树的问题

随机森林是如何计算测试样本的概率的?

  随便看看

非方阵的逆是什么

逻辑回归的损失函数是怎么来的

seaborn如何显示图?

推荐系统有哪些常用的评价标准

sklearn分类模型中预测结果怎么调整概率的阈值