XGBoost是华盛顿大学博士陈天奇创造的一个梯度提升（Gradient Boosting）的开源框架。至今可以算是各种数据比赛中的大杀器，被大家广泛地运用。接下来，就详细介绍一下XGBoost的原理和公式推导。 XGBoost其实是一个树集成模型，他将K（树的个数）个树的结果进行 ...

为解决 CVD 诊断中准确率和可靠性低等问题，研究人员开展心血管疾病分类的 AI 技术研究。结果显示 XGBoost 表现最佳，能精准分类。该研究对提升 CVD 诊断效率和准确性意义重大，强烈推荐科研读者一读。 人工智能助力心血管疾病诊断：突破与展望 在人类的身体 ...

XGBoost（eXtreme Gradient Boosting）是一种高效的梯度提升框架，它实现了梯度提升决策树（Gradient Boosting Decision Trees, GBDT），并在此基础上进行了优化。XGBoost在许多机器学习竞赛中表现出色，因其高效性和强大的预测能力而受到广泛欢迎。XGBoost支持多种目标函数和 ...

在量化投资领域，因子筛选和合成是构建有效选股组合的核心步骤。传统线性模型在处理因子非线性预测能力时存在局限，因此我们考虑是否可以借用机器学习模型（例如树模型、神经网络模型等）来挖掘因子非线性的预测能力。本报告重点探讨了使用树模型来 ...

Consistency and Continuity. I am an engineer by day,... This story contains new, firsthand information uncovered by the writer. 使用击键动力学进行用户识别的 ML 模型 ...

☞2023年第5期专题论文链接（12篇） 超宽带（UWB, Ultra Wide Band）信号具有低功耗、高时间分辨率和高精度等优势，在室内定位中具有十分广阔的应用前景。 XGBoost（Extreme Gradient Boosting）算法是陈天齐博士在GBDT（Gradient Boosting Decision Tree）算法基础上提出的一种并行 ...

导语：迟暮的女王已经退场,取而代之的是活力满满的新女王——XGBoost(Exterme Gradient Boosting,极限梯度提升)。 仍然记得15年前参加工作的第一天，刚完成研究生学业的我，加入了一家全球投资银行担任分析师。那天我不停地拉直领带，努力回忆起学过的所有东西 ...

上次有小伙伴留言说要不讲讲XGboost的变量重要性怎么计算的，之前面试有遇到面试官问的，问完之后一脸懵逼，而且这个概念也经常听，估计也很重要，要不讲讲呗。其实呢，我们之前也听过这个概念，但是只研究过随机森林的变量重要性，当一开始研究就发现 ...