← Volver a los ejercicios

Tasa, árboles y profundidad de XGBoost

XGBoost empieza con un mismo valor para todas las filas y suma árboles uno tras otro: cada árbol se entrena con lo que les falta a las filas, y su aporte entra multiplicado por la tasa de aprendizaje, Fm = Fm−1 + η fm. Tres controles lo gobiernan: learning_rate (η), n_estimators, cuántos árboles se suman, y max_depth, cuántas preguntas tiene cada uno. El objetivo es la diferencia con hace 12 meses.

2. Mueva un control a la vez

6

Los controles arrancan en los valores por defecto: tasa 0,3, 100 árboles y profundidad 6. Los pronósticos salen de XGBRegressor(n_estimators, learning_rate, max_depth, random_state=2026) de xgboost, entrenado con los meses hasta diciembre de 2024, en millones de pasajeros, y se calcularon fuera de la página con el mismo código del notebook de la sesión. El MAE se calcula aquí.