如何解决ROC曲线和混淆矩阵的区别:R Tidymodels、XGBoost
我正在运行一个 XGBoost 二元分类模型,其中训练 375 个观察值和 125 个测试观察值和 19 个特征。以下是我的论点:
Boosted Tree Model Specification (classification)
Main Arguments:
mtry = 13
trees = 100
min_n = 3
tree_depth = 5
learn_rate = 1.57515292756891e-09
loss_reduction = 0.801337205143451
sample_size = 0.967102140800562
Computational engine: xgboost
模型表现良好
我是 XGBoost 的新手,这是一个过度拟合问题,样本大小问题,我错过了指定参数吗?我觉得有一个明显的问题我很想接受教育。
使用 R、tidymodels
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。