সংজ্ঞা xgboost মধ্যে min_child_weight প্যারামিটারের হিসেবে দেওয়া হয়:
কোনও বাচ্চার জন্য ন্যূনতম পরিমাণের ওজন (হেসিয়ান) প্রয়োজন। যদি গাছের বিভাজনের পদক্ষেপের ফলাফলটি একটি পাতার নোডে উদাহরণস্বরূপ ওজনের যোগফলের সাথে মিনি_চাইল্ডওয়েটের চেয়ে কম হয়, তবে বিল্ডিং প্রক্রিয়াটি আরও বিভাজন ছেড়ে দেবে। লিনিয়ার রিগ্রেশন মোডে এটি প্রতিটি নোডে থাকা ন্যূনতম সংখ্যার সাথে সামঞ্জস্য হয়। বৃহত্তর, তত বেশি রক্ষণশীল অ্যালগরিদম হবে।
আমি মূল কাগজ সহ এক্সজিবিস্টে বেশ কয়েকটি জিনিস পড়েছি (সূত্র 8 এবং সমীকরণ 9 এর পরে একটি দেখুন), এই প্রশ্ন এবং গুগল অনুসন্ধানের প্রথম কয়েকটি পৃষ্ঠায় এক্সজিস্টের সাথে করা বেশিরভাগ জিনিস। ;)
মূলত আমি এখনও খুশি নই কেন আমরা হেসিয়ানদের যোগফলের যোগসূত্র চাপিয়ে দিচ্ছি? আমার একমাত্র মূল কাগজ থেকে মিনিটে এ চিন্তা এটি ভরযুক্ত সমাংশক স্কেচ অধ্যায় (এবং সমীকরণ 3 ভরযুক্ত স্কোয়ারড ক্ষতির হিসাবে reformulation) সম্পর্কিত যা আছে প্রতিটি অনুরোধের 'ওজন' হিসেবে।
আরও একটি প্রশ্ন সম্পর্কিত যে এটি লিনিয়ার রিগ্রেশন মোডে কেবল উদাহরণগুলির সংখ্যা কেন? আমার ধারণা এটি বর্গ সমীকরণের যোগফলের দ্বিতীয় ডেরিভেটিভের সাথে সম্পর্কিত?