【ML】XGBregressor()参数详解

XGBregressor()模型中有很多参数，下面对参数进行解释：

max_depth=3,          # 每一棵树最大深度，默认6；
learning_rate=0.1,      # 学习率，每棵树的预测结果都要乘以这个学习率，默认0.3；
n_estimators=100,        # 使用多少棵树来拟合，也可以理解为多少次迭代。默认100；
objective='reg:squarederror',   # 此默认参数与 XGBClassifier 不同，‘
booster='gbtree',         # 有两种模型可以选择gbtree和gblinear。gbtree使用基于树的模型进行提升计算，gblinear使用线性模型进行提升计算。默认为gbtree
gamma=0,                 # 叶节点上进行进一步分裂所需的最小"损失减少"。默认0；
min_child_weight=1,      # 可以理解为叶子节点最小样本数，默认1；
subsample=1,              # 训练集抽样比例，每次拟合一棵树之前，都会进行该抽样步骤。默认1，取值范围(0, 1]
colsample_bytree=1,       # 每次拟合一棵树之前，决定使用多少个特征，参数默认1，取值范围(0, 1]。
reg_alpha=0,             # 默认为0，控制模型复杂程度的权重值的 L1 正则项参数，参数值越大，模型越不容易过拟合。
reg_lambda=1,            # 默认为1，控制模型复杂度的权重值的L2正则化项参数，参数越大，模型越不容易过拟合。
random_state=0)           # 随机种子

附上