不同特征选择方法对 XGBoost 模型的影响
机器学习
2024-11-12 v1 信息检索
摘要
本研究考察了不同特征选择方法对使用 XGBoost 创建的模型的影响。XGBoost 是一种具有优异正则化方法的流行机器学习算法。研究表明，三种不同的降低特征维度的方法对模型预测准确性的影响在统计上不显著。这表明传统的通过去除噪声训练数据来防止模型过拟合的思想可能不适用于 XGBoost。但为了降低计算复杂度，该方法仍然可能是可行的。
引用
@article{arxiv.2411.05937,
title = {The effect of different feature selection methods on models created with XGBoost},
author = {Jorge Neyra and Vishal B. Siramshetty and Huthaifa I. Ashqar},
journal= {arXiv preprint arXiv:2411.05937},
year = {2024}
}