XGBoost'ta ağaçları temel model olarak kullandıktan sonra, şimdi XGBoost ile kullanılabilen diğer temel modele, yani doğrusal bir öğreniciye geçelim. Bu model, XGBoost'ta çok yaygın kullanılmasa da, XGBoost'un güçlü öğrenme API'siyle düzenlileştirilmiş bir doğrusal regresyon kurmana olanak tanır. Ancak yaygın olmadığı için, modeli kurmak için xgb.train() gibi scikit-learn ile uyumlu olmayan XGBoost'un kendi fonksiyonlarını kullanman gerekir.

Bunu yapmak için, kullanmak istediğin güçlendiricinin (booster) türünü tanımlayan bir parametre sözlüğü oluşturmalısın (tıpkı Bölüm 1'de xgb.cv() kullanırken sözlüğü oluşturduğun gibi). İhtiyaç duyduğun yükseltici türünü (temel modeli) tanımlayan anahtar-değer çifti "booster":"gblinear".

Modeli oluşturduktan sonra, geçmişte yaptığın gibi modelin .train() ve .predict() metotlarını kullanabilirsin.

Burada veriler eğitim ve test kümelerine zaten bölünmüş durumda, bu yüzden XGBoost öğrenme API'sinin gerektirdiği DMatrix nesnelerini oluşturmaya doğrudan başlayabilirsin.

XGBoost’ta düzenlileştirme ve temel öğreniciler

Create Your Free Account