StockRanker

# StockRanker

使用StockRanker模型求解排序/回归/二分类问题,包含模型训练器和预测器。
定义

M.stock_ranker.v2(learning_algorithm,number_of_leaves,minimum_docs_per_leaf,number_of_trees,learning_rate,max_bins,feature_fraction,slim_data)

参数

  • learning_algorithm(str)—学习算法,包括排序、回归、二分类和logloss
  • number_of_leaves(int)—叶节点数量,每棵树最大叶节点数量,一般情况下叶节点数量越多模型越复杂,表达能力越强,过拟合的可能性也越高,默认为30。
  • minimum_docs_per_leaf(int)—每叶节点最小样本数,一般值越大泛化能力越好,默认为1000。
  • number_of_trees(int)—树的数量,一般情况下,树越多则模型越复杂,表达能力越强,过拟合的可能性也越高,默认为20。
  • learning_rate(float)—学习率,如果过大可能使得结果越过最优值,如果太小学习会很慢
  • max_bins(int)—特征值离散化数量,越大则学的越细,过拟合的可能性也越高。
  • feature_fraction(float)—特征使用率,构建每一颗树时,每个特征被使用的概率。如果为1,则每棵树都会使用所有特征学习。
  • slim_data(bool)—压缩数据列,移除不需要使用的列,默认为True

返回

训练模型
预测结果

返回类型

OutPuts