课程｜横扫Kaggle大赛的XGBoost ，要怎么入门？

AI100学院特请在机器学习领域深耕10余年的中科院副教授冒老师带来干货课程——《XGBoost从基础到实战》，从XGBoost的原理讲解到代码实战，一步步带领大家从XGBoost的安装到一行行Python代码实现各类算法任务，不需要有很强的数学基础，直接从实战入手。通过4节XGBoost的专题课程，大家可以零基础理解XGBoost原理，掌握XGBoost调参，并能融会贯通地学习其他机器学习算法，学习如何用机器学习算法解决实际问题。如果你足够优秀，还能进击Kaggle竞赛哦。

本次课程共4课时，6月10日开课，以下是课程大纲，感兴趣的同学可点击原文报名。

课程大纲

▌第一讲：初识XGBoost

1 、XGBoost简介

• Gradient Boosting简介

• XGBoost的特别之处

2 、XGBoost的优势

• 速度

• 性能

3 、与XGBoost的第一次亲密接触

• 数据科学任务的一般处理流程

• XGBoost独立使用

• 与scikit-learn一起使用（学习率、交叉验证）

4、案例：XGBoost安装包自带数据集（蘑菇分类）

▌第二讲：暂别XGBoost

1、监督学习

• 模型

• 参数

• 目标函数（损失、正则、过拟合／欠拟合）

• 优化：梯度下降、常用损失函数的梯度推导

2 、分类回归树

• 模型／参数／目标函数／优化（分裂与剪枝）

3 、随机森林

• Bagging／行、列随机采样

4 、案例：Kaggle蘑菇分类任务

▌第三讲：重回XGBoost

1 、Boosting

• 基本思想

• AdaBoost

2 、Gradient Boosting

• 基本框架

• L2Boosting／AdaBoost

3 、XGBoost

• 性能改进：规范的正则、损失函数二阶近似、建树&剪枝、缺失值处理

• 速度改进：稀疏特征、并行、Cache、分布式

4、案例：Kaggle的Allstate Instance Claim任务

▌第四讲：XGBoost实战

1 、特征工程

• 常规数据检查流程

• 特征类型变换编码

• 特征工程一般原则

2 、XGBoost参数调优

• 评估准则

• 复习交叉验证

3 、XGBoost其他高级应用

• 多线程，并行

4 、案例：Kaggle的Two Sigma Connect：Rental Listing Inquiries任务

联系小助手领取福利

转发此文或文中海报至朋友圈后，扫描下方二维码添加“AI100小助手”，将截图发给小助手，即可领取课程优惠券。邀请朋友购买课程的小伙伴也请联系小助手领取优惠券。

联系方式        学院小秘

QQ：3560587749

微信号：superaihelper

邮箱：[e-mail]