《深入理解XGBoost》内容简介

本书主要介绍：XGBoost相关的机器学习基础算法；XGBoost安装编译与简单使用；XGBoost的实现原理与理论证明；XGBoost基于CPU多线程的实现以及分布式训练方法；剖析XGBoost源码，从代码层面洞彻XGBoost的实现原理，以及XGBoost的应用与调优，通过典型示例为读者提供使用参考，掌握实战技能。通过阅读本书，不仅能使读者理解XGBoost的原理，将XGBoost应用到业务场景中，更能从源码的角度深入学习XGBoost的并行化和分布式实现等优化技术，以更短的时间训练出高准确度的模型，使XGBoost成为学习和工作中的一把利剑。
何龙编著

作品目录

前言
第1章：机器学习概述
1.1、何谓机器学习
1.2、集成学习发展与XGBoost提出
1.3、小结
第2章：XGBoost骊珠初探
2.1、搭建Python机器学习环境
2.2、搭建XGBoost运行环境
2.3、示例：XGBoost告诉你蘑菇是否有毒
2.4、小结
第3章：机器学习算法基础
3.1、KNN
3.2、线性回归
3.3、逻辑回归
3.4、决策树
3.5、正则化
3.6、排序
3.7、人工神经网络
3.8、支持向量机
3.9、小结
第4章：XGBoost小试牛刀
4.1、XGBoost实现原理
4.2、二分类问题
4.3、多分类问题
4.4、回归问题
4.5、排序问题
4.6、其他常用功能
4.7、小结
第5章：XGBoost原理与理论证明
5.1、CART
5.2、Boosting算法思想与实现
5.3、XGBoost中的Tree
Boosting
5.4、切分点查找算法
5.5、排序学习
5.6、DART
5.7、树模型的可解释性
5.8、线性模型原理
5.9、系统优化
5.10、小结
第6章：分布式XGBoost
6.1、分布式机器学习框架Rabit
6.2、资源管理系统YARN
6.3、可移植分布式XGBoost4J
6.4、基于Spark平台的实现
6.5、基于Flink平台的实现
6.6、基于GPU加速的实现
6.7、小结
第7章：XGBoost进阶
7.1、模型训练、预测及解析
7.2、树模型更新
7.3、目标函数
7.4、评估函数
7.5、小结
第8章：模型选择与优化
8.1、偏差与方差
8.2、模型选择
8.3、超参数优化
8.4、XGBoost超参数优化
8.5、小结
第9章：通过XGBoost实现广告分类器
9.1、PCA
9.2、通过XGBoost实现广告分类器
9.3、小结
第10章：基于树模型的其他研究与应用
10.1、GBDT、LR融合提升广告点击率
10.2、mGBDT
10.3、DEF
10.4、一种基于树模型的强化学习方法
10.5、小结