Python 使用XGBoost中的基础树_Python_Machine Learning_Scikit Learn_Xgboost

Python 使用XGBoost中的基础树

python machine-learning scikit-learn

Python 使用XGBoost中的基础树,python,machine-learning,scikit-learn,xgboost,Python,Machine Learning,Scikit Learn,Xgboost,有没有办法只使用XGBoost算法中使用的基本决策树我知道Sklearn的GBT只使用Sklearn决策树作为基础，但XGBoost构建树的方式不同（例如，叶权重的正则化）我查看了XGBoost的代码，但没有弄清楚他们是如何构建基础树的谢谢有两种解决方案供您选择：只构建一棵树（意思是只使用一次迭代），这意味着当你训练时使用num\u boost\u round=1 当您预测使用时，请使用ntree\u limit=1 任何一个都能解决你的问题。要么只训练一棵树，要么只使用一棵树进行预测

有没有办法只使用XGBoost算法中使用的基本决策树

我知道Sklearn的GBT只使用Sklearn决策树作为基础，但XGBoost构建树的方式不同（例如，叶权重的正则化）

我查看了XGBoost的代码，但没有弄清楚他们是如何构建基础树的

谢谢

有两种解决方案供您选择：

只构建一棵树（意思是只使用一次迭代），这意味着当你训练时使用

num\u boost\u round=1

当您预测使用时，请使用

ntree\u limit=1

任何一个都能解决你的问题。要么只训练一棵树，要么只使用一棵树进行预测。

num\u boost\u round=1是否为“基本”树？这不是梯度提升（一个弱估计）的初始化，然后使用基本树从错误中学习一次迭代吗？你的意思是你想使用决策树的实现吗？也许你是指这个链接？