基于遗传算法的GBDT调参方法
目前网上的调参方式一般为依次对各个参数进行网格调参，选择最好的grid_score值和对应的参数，实际上只考虑Accuracy和AUC的调参方式是错误的，尤其是在不均衡样本时候，必须考虑精确率和召回率。
本文运用多种方式逐步尝试各种不同的调参方式，最后提出了用遗传算法思想来大概率获得全局最优解的调参方式。
时间限制，就直接把PPT导成图片来展示，部分页面没有动画效果（详细交流可以留言），如下：
目前网上的调参方式一般为依次对各个参数进行网格调参，选择最好的grid_score值和对应的参数，实际上只考虑Accuracy和AUC的调参方式是错误的，尤其是在不均衡样本时候，必须考虑精确率和召回率。
本文运用多种方式逐步尝试各种不同的调参方式，最后提出了用遗传算法思想来大概率获得全局最优解的调参方式。
时间限制，就直接把PPT导成图片来展示，部分页面没有动画效果（详细交流可以留言），如下：