pg麻將胡了試玩平臺 XGBoost與深度學(xué)習(xí)到底孰優(yōu)孰劣?都說XGBoost好用,為什么名氣總不如深度學(xué)習(xí)?
內(nèi)容簡介:XGBoost 和深度學(xué)習(xí)哪個好哪個差?大家都說XGBoost好用,但為什么它沒有深度學(xué)習(xí)那么出名呢?
本文長1600字pg棋牌,建議閱讀3分鐘。
本文分析了XGBoost與深度學(xué)習(xí)的區(qū)別,并分享了XGBoost的應(yīng)用。
AlphaGo與柯潔、李世石大戰(zhàn)之后,大家都能聊深度學(xué)習(xí)了。圍棋人工智能的這一突破,歸根結(jié)底得益于機器學(xué)習(xí)三大巨頭三十年的長期研究。
相比之下,橫掃 Kaggle 競賽的 XGBoost(去年 29 個獲勝解決方案中有 17 個使用了 XGBoost)的名氣要小得多。更何況,它的創(chuàng)始人只是一個默默無聞的年輕人。
有人說XGBoost比深度學(xué)習(xí)更重要。這是毫無疑問的。
由于它易于使用,因此在許多情況下更加可靠、靈活和準(zhǔn)確;在大多數(shù)回歸和分類問題上,XGBoost 的實際性能都是一流的。
當(dāng)然,不買賬的人也有很多。
Quora 的一篇文章寫道,XGBoost 對于需要高精度的問題確實有優(yōu)勢,而且它的計算特性也非常好。不過,相比于支持向量機、隨機森林或者深度學(xué)習(xí),XGBoost 的優(yōu)勢并不為過。尤其是當(dāng)你有足夠的訓(xùn)練數(shù)據(jù)并且能夠找到合適的深度神經(jīng)網(wǎng)絡(luò)時,深度學(xué)習(xí)的效果會明顯更好。
有用戶開玩笑說,XGBoost的名聲就在于它的名字。深度學(xué)習(xí)乍聽上去很高端,而XGBoost無論怎么包裝,依然充滿了書呆子氣。
那么,XGBoost的創(chuàng)始人怎么說呢?
XGBoost的發(fā)起人陳天奇博士并不認(rèn)同深度學(xué)習(xí)和XGBoost是截然對立的。他表示,這兩種方法在各自的專業(yè)領(lǐng)域表現(xiàn)都非常好:
最后,XGBoost 和深度學(xué)習(xí)哪個更好?
陳天琪在Quora上的回答如下:
不同的機器學(xué)習(xí)模型適合不同類型的任務(wù)。深度神經(jīng)網(wǎng)絡(luò)可以通過對時空位置進(jìn)行建模來很好地捕獲圖像、語音和文本等高維數(shù)據(jù)。基于樹模型的XGBoost可以很好地處理表格數(shù)據(jù)pg娛樂電子游戲,并且還具有深度神經(jīng)網(wǎng)絡(luò)所不具備的一些特性(例如模型可解釋性、輸入數(shù)據(jù)不變性、更容易的參數(shù)調(diào)整等)。
這兩種類型的模型都很重要,并且在數(shù)據(jù)科學(xué)競賽和行業(yè)中廣泛使用。例如,幾乎所有使用機器學(xué)習(xí)技術(shù)的公司都在使用tree boosting,而XGBoost就對行業(yè)產(chǎn)生了很大的影響。
作為一名機器學(xué)習(xí)研究員,我一直在使用深度學(xué)習(xí)和 XGBoost。我相信我們需要充分了解每種模型,并能夠選擇最適合您當(dāng)前任務(wù)的模型。 XGBoost、深度神經(jīng)網(wǎng)絡(luò)等常用的機器學(xué)習(xí)算法(如因子分解機、邏輯回歸分析等)值得每一個機器學(xué)習(xí)行業(yè)從業(yè)者的關(guān)注。這里沒有說一藥包治百病。
既然提到XGBoost在業(yè)界得到了廣泛的應(yīng)用,那么它到底是什么呢?
XGBoost 實際用例的不完整列表
dmlc/xgboost ( #usecases )
說完了XGBoost的應(yīng)用范圍,我們再來客觀地談?wù)刋GBoost的性能。說到性能,就不得不提它的一個突出特點——運行速度非??臁?/p>
XGBoost 運行速度快
至于為什么這么快,有人說C++和并行計算是主要原因,而陳天奇則開門見山地說,性能本來就是XGBoost最初的設(shè)計目標(biāo):
例如:
另外,性能不僅僅意味著速度的提升,你仍然可以在資源有限的大數(shù)據(jù)集上使用這個算法:
原文鏈接:
#用例
為了保證出版質(zhì)量、樹立聲譽,Datapai設(shè)立了“錯別字基金”,鼓勵讀者積極改正錯誤。
如果您在閱讀文章時發(fā)現(xiàn)任何錯誤,請在文末留言或后臺反饋。經(jīng)編輯確認(rèn)后,數(shù)據(jù)拍將向舉報讀者發(fā)送8.8元紅包。
如果同一位讀者指出同一篇文章中的多個錯誤,獎金將保持不變。如果不同的讀者指出相同的錯誤,第一個讀者將獲得獎勵。
感謝您一直以來的關(guān)注和支持。希望大家能夠監(jiān)督數(shù)據(jù),產(chǎn)出更多優(yōu)質(zhì)內(nèi)容。
以上就是小編給大家介紹的《XGBoost和深度學(xué)習(xí)哪個好還是差?》大家都說XGBoost好用pg電子賞金試玩app,但為什么它沒有深度學(xué)習(xí)那么出名呢? 》,希望對您有所幫助。如果您有任何疑問,請給我留言,編輯會及時回復(fù)您。也感謝大家對麻農(nóng)網(wǎng)的支持!
我要評論