自适应提升树—回归

# 自适应提升树-回归

本模块是对sklearn的封装,详细文档请参考: https://scikit-learn.org/stable/modules/generated/sklearn.ensemble.AdaBoostRegressor.html#sklearn.ensemble.AdaBoostRegressor

其他参数说明: base_estimator为弱学习器类型,默认None,为DecisionTreeClassifier(max_depth=3)

定义

M.adaboost_regressor.v1(n_estimators,learning_rate,loss,key_cols,other_train_parameters)

参数:

  • n_estimators:可选,整数,默认值50,最大值2147483647,最小值1,弱学习器个数,或者弱学习器最大迭代次数,太小容易欠拟合,太大容易过拟合,默认为50
  • learning_rate:可选,浮点数,默认值1,最大值1,最小值0,学习率,该值缩减每个弱学习器的权重,通常较小的系数需要更多的迭代,因此n_estimators和learning_rate要一起调参
  • loss:必选,枚举,默认值linear,可选值['linear','square','exponential'],损失函数,每次增强迭代后更新权重时使用的损失函数,默认为线性
  • key_cols:可选,字符,默认值date,instrument,关键列,关键列的数据会复制到预测结果里,多个列用英文逗号分隔
  • other_train_parameters:可选,代码,默认值{'base_estimator': None},其他训练参数,字典格式,例:{'criterion': 'mse'}

返回:

  • output_model:output_model,训练出来的模型
  • predictions:predictions,预测结果,如果predict_ds为None,predictions也为None