Globálne hodnotenie významnosti premenných v modeli XGBoost
V tomto príspevku predstavujeme systematickú analýzu významnosti vstupných premenných v regresnom modeli využívajúcom algoritmus XGBoost, pričom model bol dopredu optimalizovaný s ohľadom na hyperparametre. Cieľom práce je preskúmať, ako upravené nastavenia modelu (napr. počet stromov, hĺbka, mierka...
Enregistré dans:
| Auteur principal: | |
|---|---|
| Format: | Chapitre de livre |
| Langue: | slovaque |
| Sujets: | |
| Tags: |
Pas de tags, Soyez le premier à ajouter un tag!
|
| Résumé: | V tomto príspevku predstavujeme systematickú analýzu významnosti vstupných premenných v regresnom modeli využívajúcom algoritmus XGBoost, pričom model bol dopredu optimalizovaný s ohľadom na hyperparametre. Cieľom práce je preskúmať, ako upravené nastavenia modelu (napr. počet stromov, hĺbka, mierka vzorkovania) ovplyvnia poradie a hodnoty významnosti premenných konkrétne metriky Gain a Weight. Výsledky sú kvantifikované pomocou vizualizácií, ktoré ukazujú aké premenné zohrávajú rozhodujúcu rolu vo finálnom modeli a ako robustný je ich príspevok voči zmene parametrov. Zistenia sú zároveň využiteľné aj vo výučbe predmetov Neživotné poistenie a Aktuárske prediktívne modely ako praktická ukážka vplyvu optimalizácie hyperparametrov na interpretáciu významnosti premenných. |
|---|