Труды КНЦ. Технические науки. – 2026. - № 2

Таблица 2 Оптимальные гиперпараметры Optimal hyperparameters Модель Параметр Значение Y1_new_catboost iterations 1169 learning_rate 0.07523245987706656 depth 9 l2_leaf_reg 0.009768959382020846 bagging_temperature 0.4376633439845886 random_strength 0.026792299925601747 Y1_new_xgb n estimators 219 learning_rate 0.005998375622704567 max_depth 6 subsample 0.42374220558005227 colsample_bytree 0.6206817542452452 reg_alpha 8.048837726887397 reg_lambda 0.050893111290407717 gamma 4.634382964432112 scale_pos_weight 1.794313326262025 Y1_new_rf n estimators 208 max_depth 4 min_samples_split 10 min_samples_leaf 1 Y2_xgb n estimators 836 learning_rate 0.06676384308860035 max_depth 8 subsample 0.9771482589418532 colsample_bytree 0.9794968584315165 reg_alpha 0.13325261979414674 reg_lambda 0.011431453802378151 gamma 0.003296914473571628 Y3_xgb n estimators 630 learning_rate 0.026495427365820653 max_depth 7 subsample 0.6280857050117614 colsample_bytree 0.9815396406261927 reg_alpha 0.05322668226789471 reg_lambda 0.003999783291878849 gamma 0.007396977940434052 Y4_xgb n estimators 983 learning_rate 0.09743611772288502 max_depth 6 subsample 0.788558460142607 colsample_bytree 0.731712753101996 reg_alpha 0.0017442835685440381 reg_lambda 0.005317671767228432 gamma 0.002664843565393594