阿里机器学习岗位xgboost和随机森林模型两个问题求解答
1.xgboost怎么处理高维稀疏数据？
2.数据标签值都在0-1000范围之内，随机森林和gbdt做回归的值能否超过1000.，
昨天进行了阿里巴巴的暑期实习面试，问到了以上两个问题，没有回答上来，想问一下有没有人可以解答一下的，非常感谢！
#阿里巴巴##机器学习#
2019-04-02 11:03 已编辑 北京大学 算法工程师
关注
全部评论
周小金
浙江大学 算法工程师
第一个问题，，(不太确定)，我的理解就是把稀疏当成缺失，会分别计算把缺失样本分到左右子树时的损失减少，然后取损失减少多的那个方向作为这个feature的默认方向。
43967
门头沟学院 算法工程师
rf不会超过1000，gbdt不太确定，之前做过一个数据范围在0到100的，用xgboost有负值
算法求offer
深圳大学 算法工程师
第一个问题我也想问XGBoost把稀疏数据当成缺失值去处理，这个感觉有点不太一致 第二个问题rf应该是不会超过1000，因为结点的值是属于该结点的样本的平均值，但是感觉gbdt应该会吧，是用负梯度拟合残差，这个残差可能是负值吧
zezhen
腾讯_微信事业群_应用研究
码
qkw
Rutgers, The State University of New Jersey 数据分析师
第一题可以去看陈天奇那篇paper的3.4 xgboost-a scalable tree boosting system
43967
门头沟学院 算法工程师
收藏一下
相关推荐
10-16 12:10
深圳大学 Java 点赞 评论 收藏
分享
点赞 评论 收藏
分享
投递兴业银行等公司10个岗位 10-30 11:54
门头沟学院 Java 点赞 评论 收藏
分享