xgboost多分类问题调优

Question

xgboost多分类问题精确度只有百分之七十，然后从数据特征值处理和参数调优角度怎么才能提高预测精确度。用贝叶斯优化优化也没有好结果。

Answer 1

望采纳！！！

1. 数据特征值处理：
   （1）检查数据特征值是否有缺失值，如果有，可以使用均值、中位数或众数等方法进行填充；
   （2）检查数据特征值是否有异常值，如果有，可以使用箱线图、极差法或标准差法等方法进行处理；
   （3）检查数据特征值是否有重复值，如果有，可以使用去重法进行处理；
   （4）检查数据特征值是否有噪声，如果有，可以使用滤波法进行处理；
   （5）检查数据特征值是否有离群点，如果有，可以使用离群点检测法进行处理；
   （6）检查数据特征值是否有不同范围的值，如果有，可以使用归一化法进行处理；
   （7）检查数据特征值是否有不同类型的值，如果有，可以使用独热编码法进行处理。
2. 参数调优：
   （1）调整XGBoost的学习率，使用更小的学习率可以提高模型的精确度；
   （2）调整XGBoost的正则化参数，使用更大的正则化参数可以提高模型的精确度；
   （3）调整XGBoost的树深度，使用更小的树深度可以提高模型的精确度；
   （4）调整XGBoost的叶子节点数量，使用更小的叶子节点数量可以提高模型的精确度；
   （5）调整XGBoost的子采样比例，使用更大的子采样比例可以提高模型的精确度；
   （6）调整XGBoost的特征采样比例，使用更大的特征采样比例可以提高模型的精确度；
   （7）调整XGBoost的迭代次数，使用更多的迭代次数可以提高模型的精确度。