R gbm函数中的weights参数是什么？是否实现成本敏感随机梯度提升？
最佳答案
您可能已经读过此书，但是文档说weights参数是通过以下方式定义的:
因此，我的解释是，它们是任何统计模型中的标准观察权重。
它对成本敏感吗？好问题。我首先注意到该软件包的主要引文之一是:
B·克里格勒(B.Kriegler)(2007)。 Cost-Sensitive Stochastic Gradient Boosting Within a Quantitative Regression Framework。
因此我认为它确实暗示着成本敏感性，但是在小插图中没有明确使用该术语，所以如果它不明显的话。
不过，我进行了更深入的研究，发现了更多资源。您可以在描述该软件包的this文章末尾找到描述权重的等式。
我也发现这个问题被问到way back in 2009 in a mailing list，尽管没有任何回应，但我终于找到了一个scholarly article，讨论了使用gbm和其他R包进行成本敏感的梯度提升。
结论是gbm的分位数损失函数是可微的，可用于对成本敏感的应用中，其中高估/低估具有不同的错误成本，但是在某些应用中可能需要/适合其他定量损失函数(除分位数之外)成本敏感型梯度提升。
该论文以gbm为中心，还讨论了其他软件包，如果您的重点是成本敏感的梯度提升，那么您可能还希望看看他们在论文中提到的其他软件包。
关于r - R gbm函数中的权重参数，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/29674116/