Python 如何将训练损失作为γ；
[我是一名统计人员，但我不太擅长编码。这可能是一个简单的for循环和绘图问题] 对于不同的γ（学习率=0.1,0.3,0.5,0.7,1），如何绘制以估计量（或1到150）为x轴，以训练损失为y轴的图。我喜欢在一个图上绘制不同γ的折线图。这样做比较容易Python 如何将训练损失作为γ；,python,scikit-learn,Python,Scikit Learn,[我是一名统计人员，但我不太擅长编码。这可能是一个简单的for循环和绘图问题] 对于不同的γ（学习率=0.1,0.3,0.5,0.7,1），如何绘制以估计量（或1到150）为x轴，以训练损失为y轴的图。我喜欢在一个图上绘制不同γ的折线图。这样做比较容易 from sklearn.datasets import make_blobs from sklearn.metrics import zero_one_loss from sklearn.model_selection import train
from sklearn.datasets import make_blobs
from sklearn.metrics import zero_one_loss
from sklearn.model_selection import train_test_split
import numpy as np
import matplotlib.pyplot as plt
from sklearn.ensemble import GradientBoostingClassifier
from sklearn.ensemble import GradientBoostingRegressor
X_train, y_train = make_blobs(n_samples=1000, n_features=10, centers=3,
random_state=10, cluster_std=5)
breg = GradientBoostingRegressor(learning_rate=0.1,
n_estimators=150, random_state=100)
breg.fit(X_train,y_train)
非常感谢。就我个人而言，我不认为这样做有什么意义，因为你知道图表的样子。在树数相同的情况下，学习率越高，训练损失减少的幅度越大。理论上，通过设置较高的学习率和大量的树，您可以获得所需的训练损失和较低的训练成本。我认为更重要的是要有一个验证数据集，并同时监控培训损失和验证损失，以防止在培训损失不断减少的情况下出现过度拟合现象。选择一个您选择的绘图库并阅读其教程。嗨，Kavin，我只需要比较一下不同的学习率，看看轮数和学习率之间有什么关系。谢谢