R语言caret包构建xgboost模型实战：特征工程（连续数据离散化因子化无用特征删除）配置模型参数（随机超参数寻优10折交叉验证）并训练模型
Posted Data+Science+Insight
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了R语言caret包构建xgboost模型实战：特征工程（连续数据离散化因子化无用特征删除）配置模型参数（随机超参数寻优10折交叉验证）并训练模型相关的知识，希望对你有一定的参考价值。
R语言caret包构建xgboost模型实战：特征工程（连续数据离散化、因子化、无用特征删除）、配置模型参数（随机超参数寻优、10折交叉验证）并训练模型
目录
以上是关于R语言caret包构建xgboost模型实战：特征工程（连续数据离散化因子化无用特征删除）配置模型参数（随机超参数寻优10折交叉验证）并训练模型的主要内容，如果未能解决你的问题，请参考以下文章
R语言使用caret包构建xgboost模型（xgbDART算法使用的dropout思想）构建回归模型通过method参数指定算法名称通过trainControl函数控制训练过程
R语言caret包构建机器学习回归模型（regression model）使用DALEX包进行模型解释分析特征重要度偏依赖分析等
“xgboost”官方包与 R 中“caret”包中的 xgboost 的不同结果
R语言构建xgboost模型：使用xgboost模型训练tweedie回归模型，特征工程（dataframe转化到data.table独热编码缺失值删除DMatrix结构生成）
R语言构建xgboost模型：指定特征交互方式单调性约束的特征获取模型中的最终特征交互形式（interaction and monotonicity constraints）