您好，在/code/chapter7.py中，第695行-699行
def _gain(self, y, y_pred):
# 计算信息
nominator = np.power((y * self.loss.grad(y, y_pred)).sum(), 2)
denominator = self.loss.hess(y, y_pred).sum()
return nominator / (denominator + self.lambd)
其中np.power((y*.......)，这个乘以y是否是多余的呢？印象中似乎不需要这么做。
此外，我自己实现的xgboost和另外两个xgboost的开源实现都没有这个乘以y。
以下是三个xgboost实现的链接。
https://github.com/bufuchangfeng/DecisionTree/blob/master/XGBoost.ipynb
https://github.com/RRdmlearning/Machine-Learning-From-Scratch/blob/master/xgboost/xgboost_model.py
https://github.com/RudreshVeerkhare/CustomXGBoost/blob/master/CustomXGBoost.py
感谢您提供了如此有帮助的代码。
期待您的回复。
您好，在/code/chapter7.py中，第695行-699行
def _gain(self, y, y_pred):# 计算信息nominator = np.power((y * self.loss.grad(y, y_pred)).sum(), 2)denominator = self.loss.hess(y, y_pred).sum()return nominator / (denominator + self.lambd)其中np.power((y*.......)，这个乘以y是否是多余的呢？印象中似乎不需要这么做。
此外，我自己实现的xgboost和另外两个xgboost的开源实现都没有这个乘以y。
以下是三个xgboost实现的链接。
https://github.com/bufuchangfeng/DecisionTree/blob/master/XGBoost.ipynb
https://github.com/RRdmlearning/Machine-Learning-From-Scratch/blob/master/xgboost/xgboost_model.py
https://github.com/RudreshVeerkhare/CustomXGBoost/blob/master/CustomXGBoost.py
感谢您提供了如此有帮助的代码。
期待您的回复。