XGBoost模型
XGBoost模型，全称Extreme Gradient Boosting，是金融科技领域一颗璀璨的明星。它通过集成多个决策树来构建一个强大且高效的预测模型，特别适合处理大规模、高维度的金融数据。在金融风控、信用评分、投资决策等多个金融应用场景中，XGBoost展现出了出色的预测能力和稳定性。其强大的梯度提升算法能够自动处理数据中的非线性关系和缺失值，有效降低了模型过拟合的风险，为金融机构提供了更加精准和可靠的决策支持。
【代码报错】Exception：未知模块：M.instruments.v2
更新时间：2024-10-09 09:24
AI选股中回归、分类、排序算法的构建流程
导语
【旧版模块】，该文档为旧版。新模板详见：
https://bigquant.com/wiki/doc/102-ai-hXNHGsyWzS
在阅读了学院关于可视化模板教程后，相信你已经掌握了平台上的模块使用方法。本文将以XGBoost模型为例，介绍回归、排序、分类的不同之处。在文末，你可以克隆该算法自行研究、学习
首先我们明确一下算法在机器学习中的地位。一般来说，机器学习有三个要素：数据、算法和模型。
- 数据是场景的描述，包括输入和输出。
- 算法
更新时间：2024-06-11 02:53
基于XGBoost模型的智能选股策略
旧版声明
本文为旧版实现，供学习参考。
导语
上篇报告介绍了集成学习里Bagging方法的代表算法随机森林，本文将着眼于另一种集成学习方法：Boosting，并深入介绍Boosting里的“王牌” XGBoost 模型。最后，以一个实例介绍XGBoost模型在智能选股方面的应用。
Boosting V.S. Bagging
作为集成学习的两大分支，Boosting和Bagging都秉持着“三个臭皮匠顶个诸葛亮”的想法，致力于将
更新时间：2024-05-20 02:09
【历史文档】高阶技巧-XGBoost模型增量训练
更新
本文内容对应旧版平台与旧版资源，其内容不再适合最新版平台，请查看新版平台的使用说明
新版量化开发IDE（AIStudio）：
https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW
新版模版策略：
https://bigquant.com/wiki/doc/demos-ecdRvuM1TU
新版数据平台
更新时间：2024-05-16 05:58
【历史文档】高阶技巧-如何固化xgboost模型并调用|模型固化
更新
本文内容对应旧版平台与旧版资源，其内容不再适合最新版平台，请查看新版平台的使用说明
新版量化开发IDE（AIStudio）：
https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW
新版模版策略：
https://bigquant.com/wiki/doc/demos-ecdRvuM1TU
新版数据平
更新时间：2024-05-16 03:31
xgboost自定义目标和评估函数
更新时间：2022-03-31 18:20