数据挖掘-GBDT特征选择

一个输入端口，用于接收前置节点传下来的数据集。

一个输出端口，用于输出增加了离散后的字段的数据集。

选择特征列

选择需要的特征列，必须是数值列

必填（特征列中不能含有null）

选择标签列

选择做为标签列的字段

必填

需选择的特征数量

从待选择的特征列中输出特征列的数量

默认值为1,范围是[1,已选择特征的数量]的整数

选择方法

分类（二分类）

回归

分裂特征的数量

取值范围：>=2的整数； 默认值：32。

对连续类型特征进行离散时的分箱数；

该值越大，模型会计算更多连续型特征分裂点且会找到更好的分裂点，但同时也会增加模型的计算量。

树的深度

取值范围：[1,30]的整数；默认值为4。

当模型达到该深度时停止分裂；

树的深度越大，模型训练的准确度更高，但同时也会增加模型的计算量且会导致过拟合。

最大迭代数

参数范围为：>=0的整数，默认值为30

算法的最大迭代次数，达到最大迭代次数即退出。

最大迭代次数的值越大，模型训练更充分，但会耗费更多时间。

子采样比例

取值范围：(0,1]的数；默认为0.8。

对样本进行不放回的采样比例，取值为(0,1]，取值小于1，则不使用全部样本去构建GBDT的决策树，小于1的比例，可减少方差，防止模型过拟合，默认是1，即不使用子采样。

子节点最少样本数

取值范围：>=1的整数，默认值为空

这个值用来限制叶子节点最少的样本数，如果某叶子节点数目小于样本数，则会和兄弟节点一起被剪枝。