广义XGBoost方法

Yang Guang

广义XGBoost方法

机器学习 2022-01-20 v2 应用统计机器学习

作者: Yang Guang

摘要

XGBoost方法具有诸多优势,尤其适用于大数据统计分析,但其损失函数局限于凸函数。在许多具体应用中,非凸损失函数更为可取。本文提出一种广义XGBoost方法,其要求更弱的损失函数约束,并涉及更一般的损失函数,包括凸损失函数与部分非凸损失函数。进一步,将该广义XGBoost方法推广到多元损失函数,形成更广义的XGBoost方法。该方法是一种多目标参数正则化树提升方法,可对多数常用参数化概率分布中由预测变量拟合的多个参数进行建模。同时,给出了相关算法及在非寿险定价中的一些示例。

关键词

广义XGBoost 非凸损失函数多元损失函数树提升参数正则化非寿险定价

引用

@article{arxiv.2109.07473,
  title  = {Generalized XGBoost Method},
  author = {Yang Guang},
  journal= {arXiv preprint arXiv:2109.07473},
  year   = {2022}
}

备注

The second version,Fixed some language expressions

广义XGBoost方法

摘要

关键词

引用

备注

相关论文