概率预测之NGBoost（Natural Gradient Boosting）回归和分位数（Quantile Regression）回归

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

1. 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。
2. 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。
3. 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