Лекция 8. XGBoost. Факторный анализ и метод главных компонент

compscicenter.ru/
Подбор параметров в XGboost. GridSearch для подбора параметров. Факторный анализ. Задачи, решаемые с помощью факторного анализа.
Лекция № 8 в курсе "Анализ данных на Python в примерах и задачах. Часть 2" (осень 2018).
Преподаватель курса: Вадим Леонардович Аббакумов
Страница лекции на сайте CS центра: bit.ly/2Ohml9o

[@tka400]

Уважаемый Вадим Леонардович. Вы не встречались с упоминанием о применении генетического алгоритма для определения оптимальных значений параметров модели вместо перебора? В моей небольшой еще практике генетический алгоритм повышает качество модели генерируя новые характеристики. Помогает оценить важность характеристик и их преобразование, а также снижает размерность задачи. Возможно, генетический алгоритм будет и лучше перебора.

[@Vadim_Abbakumov]

Мое впечатление от предыдущих попыток применения генетических алгоритмов - слишком долго работают. Прямо сейчас я предпочитаю байесовскую оптимизацию. Что будет завтра - не знаю...

[@pavelbrudanov6701]

Ого. Это значит что можно разные по высоте таблицы привести к чему то одному и провести нормальный анализ, с помощью факторного анализа? :)

[@Vadim_Abbakumov]

Что такое разные по высоте таблицы?

[@qwqw2674]

TypeError: __init__() got an unexpected keyword argument 'fit_params'
не могу разобраться, что не так со строкой в исходниках:
fit_params={},iid=True, n_jobs=-1,
Что следует поправить?

[@VladKochetov]

qw qw просто не указывайте fit_params, если не помогло, то указывайте не как словарь, а как просто параметры/аргументы функции .fit

[@coachintegrator]

В 22-й строке ошибка кода. Выдает TypeError: __init__() got an unexpected keyword argument 'fit_params'(

[@user-jq4ej7pf9o]

в зависимости от разной версии там разные названия переменных, загуглите.