我是一名数据科学家,我在工作场所看到所有主要的生产解决方案最多都涉及随机森林。
为什么像xgboost这样的机器学习算法不能在生产环境中使用?为什么需要可重复性?
我是一名数据科学家,我在工作场所看到所有主要的生产解决方案最多都涉及随机森林。
为什么像xgboost这样的机器学习算法不能在生产环境中使用?为什么需要可重复性?
我不能代表所有人,但在大多数情况下,您希望有一个决定的理由。您需要能够说服您的客户/您的老板这是正确的决定/预测。如果您使用神经网络或其他黑盒模型,您只有得到的预测结果,如果幸运的话,还有一个置信度估计值。
“白盒”模型或可以解释的模型更好,因为您可以指向样本的特定特征并说这些是产生预测的原因。决策树(但不是太深)或简单的阈值处理属于这一类。
如果我正确理解 xgboost 的概念,您可以训练您的新树来纠正以前的错误。这意味着树不是独立的,因此难以解释。
我已经看到 xgboost 多次在生产中使用,我自己也使用过它(在 python 和 java 工作者中),如果它比随机森林(通常会发生)提供更好的结果,我会推荐它。