GBRTアルゴリズムとは何ですか? - PolarDB - Alibaba Cloud ドキュメントセンター

このトピックでは、勾配ブースト回帰ツリー (GBRT) アルゴリズムについて説明します。

背景情報

GBRTアルゴリズムは、ブースティングファミリのメンバーです。前方分布アルゴリズムを使用しますが、弱学習器はCART回帰ツリーモデルに限定されます。順方向分布アルゴリズムの哲学: 損失関数を最小化するために、現在のモデルおよびフィッティング関数に基づいて、適切な決定木関数が選択される。

GBRTは次の部分で構成されています。

回帰木 (RT): 決定木カテゴリの1つ。実際の値を予測するために使用されます。 GBRTは、多重回帰木からなる反復回帰木アルゴリズムである。すべての回帰木の結論は、最終結果を得るために蓄積される。
勾配ブースティング (GB): 最終結果は、複数のツリーを反復することによって決定される。各ツリーは、前のツリーの結論および残差から学習する。

シナリオ

GBRTは、値をフィッティングするために主に使用される回帰モデルです。

GBRTは疫学に適用できます。例えば、ヒトの死亡率および罹患率の初期の証拠は、回帰分析の観察研究から得られる。死亡率 (または罹患率) がy_colsであり、適合される変数である回帰モデルがあると仮定すると、社会経済的地位、教育、または所得をその従属変数として使用することができる。

パラメーター

次の表に示すパラメーターの値は、モデルの作成に使用されるCREATE modelステートメントで指定されたmodel_parameterパラメーターの値と同じです。ビジネス要件に基づいてパラメーターを設定できます。

パラメーター	説明
n_estimators	反復回数。反復回数が多いほど、より良好なフィッティングを示す。通常は正の整数です。デフォルト値は 100 です。
客観的	学習タスクとその学習目的。有効な値： ls (デフォルト): 最小二乗。 lad: 最小絶対偏差。 huber: 最小二乗と最小絶対偏差を組み合わせます。
max_depth	ツリーの最大深さ。デフォルト値 : 7 説明このパラメーターが-1に設定されている場合、ツリーの深さは指定されません。このパラメーターは、オーバーフィッティングを防ぐために注意して指定することを推奨します。
random_state	ランダムな状態。このパラメータは通常正の整数です。デフォルト値：1

例

GBRTモデルを作成します。

/*polar4ai*/CREATE MODEL gbrt1 WITH
( model_class = 'gbrt', x_cols = 'dx1,dx2', y_cols='y',
 model_parameter=(objective='ls')) AS (SELECT * FROM db4ai.testdata1);

モデルを評価します。

/*polar4ai*/SELECT dx1,dx2 FROM EVALUATE(MODEL gbrt1, 
SELECT * FROM db4ai.testdata1 LIMIT 10) WITH 
(x_cols = 'dx1,dx2',y_cols='y',metrics='r2_score');

予測にモデルを使用します。

/*polar4ai*/SELECT dx1,dx2 FROM
PREDICT(MODEL gbrt1, SELECT * FROM db4ai.testdata1 LIMIT 10)
WITH (x_cols = 'dx1,dx2');

説明

x_colsおよびy_colsのデータ型は、浮動小数点または整数である必要があります。