GBDT二分类

GBDT二分类算法的原理是设置阈值，如果特征值大于阈值，则为正例，反之为负例。

仅支持通过可视化方式，配置读取该组件参数，参数详情如下表所示：

• 可视化方式

页签	参数	参数名称	是否必选	参数描述	默认值
数据源	表名	inputTable	是	数据表	无
默认参数	选择特征标签列	labelColName	是	输入表中作为标签的列	无
模型参数	选择损失函数	loss	是	损失函数，包括deviance（对数似然）和exponential（指数损失）。	deviance
模型参数	最大弱学习器个数	n_estimators	是	最大弱学习器个数，调参时要注意过拟合或欠拟合，一般和learning_rate一起考虑。	100
模型参数	学习率步长	learning_rate	是	每个弱学习器的权重缩减系数，取值范围0-1，当取值为1时，相当于权重不缩减。较小的learning_rate相当于更多的迭代次数。	0.1
模型参数	子采样	subsample	是	取值范围(0,1]，当取值为1，相当于无采样。小于1，按比例采样，得到的样本去构建弱学习器。	1
调优参数	树分裂时考虑的最大特征数	max_features	是	树分裂时考虑的最大特征数，默认为None，也就是考虑所有特征。可以取值有：log2,auto,sqrt。	None
调优参数	CART最大深度	max_depth	是	CART最大深度	10
调优参数	划分节点时需要保留的样本数	min_samples_split	是	当某节点的样本数小于某个值时，就当做叶子节点，不允许再分裂。默认是2。	2
调优参数	叶子节点最少样本数	min_samples_leaf	是	如果某个叶子节点数量少于某个值，会同它的兄弟节点一起被剪枝。默认是1。	1
调优参数	叶子节点最小的样本权重和	min_weight_fraction_leaf	是	如果小于某个值，会同其兄弟节点一起被剪枝。一般用于权重变化的样本。默认是0。	0