xgboost处理缺失值的方法和其他树模型不同。xgboost把缺失值当做稀疏矩阵来对待，本身的在节点分裂时不考虑的缺失值的数值。缺失值数据会被分到左子树和右子树分别计算损失，选择较优的那一个。如果训练中没有数据缺失，预测时出现了数据缺失，那么默认被分类到右子树。
这样的处理方法固然巧妙，但也有风险：假设了训练数据和预测数据的分布相同，比如缺失值的分布也相同，不过直觉上应该影响不是很大。
发布者：admin，如若转载，请注明出处：https://ai1024.vip/40794.html
赞 (0)
admin
随机森林如何评估特征重要性
« 上一篇
2023年11月30日 am4:34
lightgbm和xgboost有什么区别？他们的loss一样么？ 算法层面有什么区别？
下一篇 »
2023年11月30日 am4:34
