我在插入符上使用GBM的这两个派生。
我在同一个数据集上尝试了两种算法，它们返回不同的精度并在不同的时间执行。
顾名思义，我可以认为第一个在某处使用线性函数，另一个在树中使用。
无论如何，我不明白它在哪里使用线性而不是树。
我知道GBM算法使用树作为预测变量，难道前一种情况使用了像训练这样的不同结构？
在哪里可以找到有关此主题的文档？
谢谢
最佳答案
您可以在插入符号github页面上单独的models上找到更多详细信息，该页面上所有模型的代码都位于该页面上。插入符文档位于here。
但是，您应该注意两个模型之间使用的参数的差异：xgbLinear用途：nrounds，lambda，alpha，etaxgbTree使用：nrounds，max_depth，eta，gamma，colsample_bytree，
min_child_weight
这些选择会影响模型的结果，并将导致不同的预测。因此也具有不同的准确性。 xgboost中可用的其他选项将与xgboost的默认设置一起使用。
脱字符号模型包含点号（...）选项。因此，如果要使用gamma训练xgbLinear，则可以在训练功能中指定此项。但不在grid参数中。其他任何xgboost参数也是如此。
（非常糟糕）示例：
grid = expand.grid(nrounds = c(10,20), lambda= c(0.1), alpha = c(1), eta = c(0.1))
train(Species ~ ., data = iris, method = "xgbLinear", tuneGrid = grid, gamma = 0.5)