Regression 如何在xgboost中获得回归预测的方差？
我想通过观察方差来知道预测有多好。xgboost是否为回归提供方差输出？我不确定您是否可以直接估计方差，但您可以尝试使用来估计与方差相关的方差。然后，不用估计预测变量的平均值，你可以估计第75百分位和第25百分位，然后找到IQR=p_75-p_25Regression 如何在xgboost中获得回归预测的方差？,regression,xgboost,Regression,Xgboost,我想通过观察方差来知道预测有多好。xgboost是否为回归提供方差输出？我不确定您是否可以直接估计方差，但您可以尝试使用来估计与方差相关的方差。然后，不用估计预测变量的平均值，你可以估计第75百分位和第25百分位，然后找到IQR=p_75-p_25 这在python中为XGBoost提供了分位数回归的实现，基本上归结为使用a作为代价函数，而不是通常的均方误差。XGBoost适用于几种不同的语言，您对语言有什么偏好吗？不太喜欢，目前我使用的是绑定，你对什么样的变化感兴趣？从某种意义上说，它的评估依
这在python中为XGBoost提供了分位数回归的实现，基本上归结为使用a作为代价函数，而不是通常的均方误差。XGBoost适用于几种不同的语言，您对语言有什么偏好吗？不太喜欢，目前我使用的是绑定，你对什么样的变化感兴趣？从某种意义上说，它的评估依据是什么？我不知道GBMs有专门的过程，因为learnig迭代是增量的。相比之下，在随机森林模型中，我们可以简单地评估所有树的方差（主要预测是相同树的平均值），给定当前叶，我只需要计算当前叶中所有数据点的方差，对吗？但存在集成树的问题，在那里它将有多片叶子和一些树之间的加权平均值