Vowpal Wabbit的渐变提升

时间:2015-05-03 00:28:10

标签: machine-learning vowpalwabbit

有没有办法在使用Vowpal Wabbit进行回归时使用渐变增强?我使用Vowpal Wabbit附带的各种技巧很有用。我想尝试渐变增强,但我找不到在大众实现渐变增强的方法。

1 个答案:

答案 0 :(得分:9)

gradient boosting的想法是整体模型是由黑盒弱模型构建的。你肯定可以使用大众作为黑匣子,但请注意大众不提供决策树,这是黑盒弱势模型中最受欢迎的选择。提升通常会降低偏差(并增加方差),因此您应确保VW模型的方差较小(无过度拟合)。请参阅bias-variance tradeoff

大众汽车的增压和装袋有一些减少:

  • --autolink N添加了多项式N的链接函数,可以认为这是一种简单的增强方式。
  • --log_multi K是用于K级分类的在线提升算法。见the paper。您甚至可以将它用于二进制分类(K = 2),但不能用于回归。
  • --bootstrap M通过在线重要性重新采样的M-way引导程序。使用--bs_type=vote进行分类,使用--bs_type=mean进行回归。请注意,这是bagging,而不是提升。
  • --boosting N(2015-06-17添加)与N弱学习者在线推广,请参阅a theoretic paper