概率预测之NGBoost（Natural Gradient Boosting）回归和线性分位数回归
- NGBoost
- NGBoost超参数解释
- NGBoost.fit
- score(X, Y)
- staged_predict(X)
- feature_importances_
- pred_dist 方法来获取概率分布对象
- 分位数回归（Quantile Regression）
- smf.quantreg 对多变量数据进行分位数回归分析
- 概率预测指标
- 参考
概率预测是一种预测方法，它不仅提供一个具体的预测值（如点预测），还提供预测值的概率分布或置信区间。这种方法能够更好地捕捉预测的不确定性，适用于需要了解预测结果可靠性的场景。
NGBoost
NGBoost（Natural Gradient Boosting）是一个用于提升树的分位数回归和概率预测的强大库。它通过自然梯度提升方法来优化分位数损失函数，从而能够提供更准确的概率预测和分位数回归。
NGBoost超参数解释
- n_estimators
含义：提升树的数量。
作用：控制模型的复杂度和拟合能力。增加树的数量可以提高模型性能，但也可能导致过拟合。
默认值：通常为50或100。 - learning_rate
含义：学习率，用于缩放每棵树的贡献。
作用：降低每棵树的影响以防止过拟合，同时通过更多的树逐步逼近目标。
默认值：0.1。 - minibatch_frac
含义：每次迭代时使用的样本比例（类似于随机梯度下降中的批量大小）。
作用：减少计算量并引入随机性，有助于防止过拟合。
默认值：1.0（使用所有
![RAG优化：python从零实现[吃一堑长一智]循环反馈Feedback](http://pic.xiahunao.cn/RAG优化：python从零实现[吃一堑长一智]循环反馈Feedback)
)
![[学成在线]06-视频分片上传](http://pic.xiahunao.cn/[学成在线]06-视频分片上传)
)
神经外科手术的定位与导航全过程文档及程序)
