首页
/ XGBoost梯度提升树算法原理解析

XGBoost梯度提升树算法原理解析

2025-07-07 23:05:14作者:裘旻烁

什么是XGBoost

XGBoost全称为"Extreme Gradient Boosting"(极限梯度提升),是基于梯度提升机(Gradient Boosting Machine)思想的一种高效机器学习算法。它由Friedman在论文《Greedy Function Approximation: A Gradient Boosting Machine》中首次提出梯度提升的概念,而XGBoost则是在此基础上的优化实现。

监督学习基础要素

在深入讲解XGBoost之前,我们需要先了解监督学习的基本要素,这些要素构成了所有监督学习算法的理论基础。

模型与参数

在监督学习中,模型指的是从输入特征x_i预测目标变量y_i的数学结构。例如线性模型中,预测值ŷ_i是输入特征的加权线性组合:ŷ_i = ∑θ_j x_ij。

参数是模型需要从数据中学习的部分。在线性模型中,参数θ就是各个特征的权重系数。

目标函数:损失函数+正则化

目标函数用于衡量给定参数集下模型的性能,它必须包含两部分:

  1. 训练损失:衡量模型在训练数据上的预测能力。常见的有:

    • 均方误差(MSE):L(θ) = ∑(y_i-ŷ_i)²
    • 逻辑损失(Logistic Loss):L(θ) = ∑[y_i ln(1+e^{-ŷ_i}) + (1-y_i)ln(1+e^{ŷ_i})]
  2. 正则化项:控制模型复杂度,防止过拟合。正则化项的选择对模型性能至关重要。

目标函数的一般形式为:obj(θ) = L(θ) + Ω(θ)

树集成模型

XGBoost使用的是**分类与回归树(CART)**的集成模型。与普通决策树不同,CART的每个叶子节点都包含一个实值分数,而不仅仅是决策值。

单个决策树往往预测能力有限,因此XGBoost采用树集成方法,将多个树的预测结果相加得到最终预测:

ŷ_i = ∑_{k=1}^K f_k(x_i), f_k ∈ F

其中K是树的数量,f_k是第k棵树,F是所有可能的CART集合。

对应的目标函数为: obj(θ) = ∑l(y_i, ŷ_i) + ∑Ω(f_k)

梯度提升树学习

XGBoost采用加法训练策略:固定已学习的模型,每次添加一棵新树来优化目标函数。

加法训练过程

预测值在第t次迭代时为: ŷ_i^{(t)} = ŷ_i^{(t-1)} + f_t(x_i)

目标函数在第t步变为: obj^{(t)} = ∑l(y_i, ŷ_i^{(t-1)} + f_t(x_i)) + Ω(f_t) + 常数

泰勒展开近似

对于一般损失函数,我们使用泰勒二阶展开近似: obj^{(t)} ≈ ∑[g_i f_t(x_i) + 1/2 h_i f_t²(x_i)] + Ω(f_t)

其中: g_i = ∂{ŷ_i^{(t-1)}} l(y_i, ŷ_i^{(t-1)}) h_i = ∂²{ŷ_i^{(t-1)}} l(y_i, ŷ_i^{(t-1)})

模型复杂度定义

XGBoost中树的复杂度定义为: Ω(f) = γT + 1/2λ∑w_j²

其中:

  • T是叶子节点数量
  • w_j是第j个叶子节点的分数
  • γ和λ是控制正则化强度的超参数

结构分数

通过推导可以得到最优叶子权重和对应的目标值: w_j^* = -G_j/(H_j+λ) obj^* = -1/2 ∑(G_j²/(H_j+λ)) + γT

其中G_j和H_j分别是分配到叶子j的所有样本的一阶和二阶梯度统计量之和。

寻找最佳分裂

在实际操作中,我们通过计算分裂增益来决定是否进行分裂: Gain = 1/2[G_L²/(H_L+λ) + G_R²/(H_R+λ) - (G_L+G_R)²/(H_L+H_R+λ)] - γ

如果增益小于γ,则不进行分裂,这实现了自动剪枝的效果。

XGBoost的优势

XGBoost之所以强大,是因为它:

  1. 采用二阶泰勒展开,更精确地逼近目标函数
  2. 加入了正则化项,有效控制模型复杂度
  3. 支持自定义损失函数,只要能够计算一阶和二阶梯度
  4. 实现了高效的寻找最佳分裂算法
  5. 在系统层面进行了大量优化,使其高效可扩展

通过这种严谨的数学推导和系统优化,XGBoost在各种机器学习任务中都表现出色,成为许多数据科学竞赛和实际应用中的首选算法。

登录后查看全文
热门项目推荐

热门内容推荐

最新内容推荐

项目优选

收起
kernelkernel
deepin linux kernel
C
22
6
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
156
1.99 K
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
pytorchpytorch
Ascend Extension for PyTorch
Python
36
72
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
942
555
HarmonyOS-ExamplesHarmonyOS-Examples
本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
405
387
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
75
70
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
993
395
ops-mathops-math
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
515
45
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
345
1.32 K