Xgboost xG最佳最大深度=1

我使用xgboost来训练分类模型。GridCVSearch提供的最大深度为1。这意味着我的数百棵树都在一个节点上拆分

这是否意味着我处理的问题/数据集可以使用简单的模型进行分离，而不需要使用xgboost之类的复杂模型

一般来说，如果所有树都有深度1，xgboost是否比简单的模型（如SVM/logistic回归）提供更好的预测

---

谢谢

如果Depth为1，则表示您使用了常规决策树，并失去了XGBOOST的优势。

我不同意。Xgboost有一种独特的拆分方式，即不是通过常规树的SSR，而是通过增益（梯度）和覆盖（hessian）的组合。见和。您仍将保留定制损耗、速度等优势。此外，树桩（深度为1）仍然是一个非线性模型，您正在构建其中的许多模型，因此结果应该比一棵树更好。例如，AdaBoost主要使用树桩，因此比线性模型得到更好的结果。