用梯度提升决策树做门店销量回归。参数里迭代次数默认 100，学习率 0.01，最大深度那栏默认没勾、写着 3。上次把迭代次数拉到 800，训练集拟合得挺漂亮，验证集反而变差。这几个参数之间该怎么配合。
5 个赞
迭代次数和拟合程度是这么条关系：太小欠拟合，太大过拟合，范围 1 到 1000。我一般把学习率留在 0.01 附近，再小幅加迭代次数，盯着验证集指标什么时候开始回落就停。最大深度不勾时按 3 层算，勾上能填 1 到 1000；最小样本数管的是子树还往不往下分，默认 10。分类任务损失函数只有 deviance，回归任务才有 ls、lad、huber、quantile 四种。