Ich weiß, dass sklearn.ensemble.GradientBoostingRegressor die Quantilregression und die Erstellung von Vorhersageintervallen unterstützt. Gibt es Pläne, dass das XGBoost-Paket eine ähnliche Unterstützung bietet?
Die Quantilregression wird derzeit nicht unterstützt.
Dies kann erreicht werden, indem die Zielfunktion auf der Benutzerseite definiert wird: https://github.com/dmlc/xgboost/blob/master/R-package/demo/custom_objective.R
Die Quantilregression mit xgboost erfordert benutzerdefinierte Gradienten- und Hessian-Funktionen. Hier ist eine Implementierung in Python: http://www.bigdatarepublic.nl/regression-prediction-intervals-with-xgboost/
Beachten Sie , dass die Implementierung für die meisten Benutzer nicht sehr nützlich ist, da sie eine Gittersuche mit drei Parametern (sehr kostspielig) angibt, um eine Quantilschätzung zu erhalten. In sklearn definieren Sie nur den Quantilwert und erhalten eine sehr robuste und zuverlässige Schätzung dieses Quantils.
Hilfreichster Kommentar
Die Quantilregression mit xgboost erfordert benutzerdefinierte Gradienten- und Hessian-Funktionen. Hier ist eine Implementierung in Python: http://www.bigdatarepublic.nl/regression-prediction-intervals-with-xgboost/