基於XGBoost的信用評分模型(下)

至此,我們把 XGBoost的理論介紹完了,現在將使用該算法來訓練本文的數據,在訓練過程中需要對參數進行調整,以得到最優的參數。


本文使用 boost包來訓練模型,並結合 sklearn包的網格搜索函數來尋找最優參數。調參時,先給每個參數一個固定的取值,再給出需要調節的參數的取值範圍同時保持其他參數值不變,由此計算該參數的不同取值下模型的AUC評分,最大的AUC分數對應的參數值即為該參數的的最優取值,將此時的最優參數值替代模型中該參數的給定值再按此方法進行下一個參數的調節。


立即體驗,開啟數位化轉型之旅!