XGBoost是一種經(jīng)過行業(yè)驗證的開源軟件庫，為快速高效地處理數(shù)十億數(shù)據(jù)點提供了梯度提升框架。首先，本書在介紹機器學習和XGBoost在scikit-learn中的應(yīng)用后，逐步深入梯度提升背后的理論知識。讀者將學習決策樹，并分析在機器學習環(huán)境中的裝袋技術(shù)，同時學習拓展到XGBoost的超參數(shù)；并將從零開始構(gòu)建梯度提升模型，將梯度提升擴展到大數(shù)據(jù)領(lǐng)域，同時通過計時器的使用了解速度限制。接著，本書重點探討XGBoost的細節(jié)，著重于速度提升和通過數(shù)學推導(dǎo)導(dǎo)出參數(shù)。通過詳細案例研究，讀者將練習使用scikit-learn及原始的Python API構(gòu)建和微調(diào)XGBoost分類器與回歸器；并學習如何利用XGBoost的超參數(shù)來提高評分、糾正缺失值、縮放不平衡數(shù)據(jù)集，并微調(diào)備選基學習器。最后，讀者將學習應(yīng)用高級XGBoost技術(shù)，如構(gòu)建非相關(guān)的集成模型、堆疊模型，并使用稀疏矩陣、定制轉(zhuǎn)換器和管道為行業(yè)部署準備模型。
本書適合作為高等學校計算機專業(yè)、軟件工程專業(yè)的高年級本科生及研究生教材，同時適合有一定機器學習基礎(chǔ)的數(shù)據(jù)科學家、機器學習工程師和研究人員閱讀，可為解決復(fù)雜的機器學習問題提供實用指導(dǎo)。