基于局部搜索贝叶斯算法的Xgboost参数选择

摘要：

提出了一种基于密度的局部搜索贝叶斯算法的Xgboost参数选择方法(BOA-DLS-Xgboost).基于密度的局部搜索贝叶斯算法(BOA-DLS)在选择初始种群时采用拉丁超立方抽样(LHS),使初始种群更均匀地分布于参数空间;每次探索过程是在LHS抽样点的基础上,对稀疏点和当前最优解周围进行局部搜索得到待采样集,以提高解的收敛速度和精度.仿真实验结果表明:BOA-DLS比BOA具有更好的优化性能.利用BOA-DLS对Xgboost算法的参数进行优化,通过与四种经典集成学习算法以及BOA-Xgboost算法比较,所提出的BOA-DLS-Xgboost算法在参数优化方面的应用是合理有效的.

关键词：Xgboost算法、贝叶斯优化算法、密度、参数选择

所属期刊栏目：42

分类号：O235;TP181(控制论、信息论（数学理论）)

资助基金：国家自然科学基金;中国地质大学武汉基础研究基金项目

在线出版日期：2023-03-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：201-207