跳至主要內容
關於TEJ
最新消息
解決方案
企業信用風險解決方案
TCRI 台灣企業信用風險指標
TCRI 看門狗
集團觀察家
ESG 永續發展解決方案
TESG 永續發展指標
TESG 永續資料集
TESG 事件雷達
TCFD 氣候變遷風險解決方案
TCFD 轉型風險情境分析報告
TCFD 實體風險災害損失解決方案
量化金融解決方案
TQuant Lab回測系統
評價分析解決方案
企業評價
價格分攤與減損
無形資產評價
PRIS 金融資產評價
法遵科技解決方案
BIS 資本適足率計提系統
Censrisk 市場風險評估系統
企業商情解決方案
審計品質分析解決方案
全部產品介紹
資料銀行
全部證券金融市場
台灣證券金融市場
中國證券金融市場
香港證券金融市場
韓國證券金融市場
日本證券金融市場
總體經濟
專家觀點
客戶專區
服務提供方式
影音學習
下載專區
E SHOP
常見Q&A
繁體中文
English
聯絡我們
Home
>
xgoost
xgoost
10
/
05
2021
XGBoost 演算法預測報酬(上)
近來演算法興起,發展出各式各樣的數學模型用以分析並解決問題,經典的演算法為「迴歸模型」,但隨著科技的進步,發展出能自我改進學習的算法 — 機器學習(Machine Learning),發展至今成為最火熱的類累神經網路模型 (Deep Learning)。 本文章介紹樹狀模型 XGBoost,文章將會分兩部分,上半段為環境設定與模組安裝,以及資料庫的介紹。下半段為資料的預處理,模型的訓練、預測和視覺化。
Procesing