class XGBClassifier(XGBModel, XGBClassifierBase):
class XGBRegressor(XGBModel, XGBRegressorBase):
class XGBModel(XGBModelBase):
# pylint: disable=too-many-arguments, too-many-instance-attributes, missing-docstring def init(self, max_depth=None, learning_rate=None, n_estimators=100, verbosity=None, objective=None, booster=None, tree_method=None, n_jobs=None, gamma=None, min_child_weight=None, max_delta_step=None, subsample=None, colsample_bytree=None, colsample_bylevel=None, colsample_bynode=None, reg_alpha=None, reg_lambda=None, scale_pos_weight=None, base_score=None, random_state=None, missing=np.nan, num_parallel_tree=None, monotone_constraints=None, interaction_constraints=None, importance_type=“gain”, gpu_id=None, validate_parameters=None, **kwargs):
# 常规参数
- booster
- gbtree 树模型做为基分类器(默认)
- gbliner 线性模型做为基分类器
- silent
- silent=0时,不输出中间过程(默认)
- silent=1时,输出中间过程
- n_jobs
- n_jobs=-1时,使用全部CPU进行并行运算(默认)
- n_jobs=1时,使用1个CPU进行运算。
- scale_pos_weight
- 处理样本不平衡问题。在样本高度不平衡时,将参数设置大于0,可以加快算法收敛。正样本的权重,在二分类任务中,当正负样本比例失衡时,设置正样本的权重,模型效果更好。例如,当正负样本比例为1:10时,scale_pos_weight=10。
# 模型参数
- n_estimatores
- 含义:总共迭代的次数,即决策树的个数
- 调参:
- max_depth
- 含义:树的深度,默认值为6,典型值3-10。
- 调参:值越大,越容易过拟合;值越小,越容易欠拟合。
- min_child_weight
- 含义:默认值为1,。
- 调参:值越大,越容易欠拟合;值越小,越容易过拟合(值较大时,避免模型学习到局部的特殊样本)。
- gamma:[default=0]
- 损失阈值,在树的一个叶节点上进一步分裂所需的最小损失减少量,gamma值越大,算法越保守。
- 取值范围为:[0,∞]
- max_delta_step:[default=0]
- 每棵树的最大权重估计。如果它的值被设置为0,意味着没有约束;如果它被设置为一个正值,能够权重的变化将会变得相对保守。通常这个参数不会被使用,但如果是极度不平衡的逻辑回归将会有所帮助。把它范围设置为1-10之间也许能控制更新。
- 取值范围为:[0,∞]
- subsample
- 含义:训练每棵树时,使用的数据占全部训练集的比例。默认值为1,典型值为0.5-1。
- 调参:防止overfitting。
- colsample_bytree
- 含义:训练每棵树时,使用的特征占全部特征的比例。默认值为1,典型值为0.5-1。
- 调参:防止overfitting。
- colsample_bylevel: [default=1]
- 指的是树的每个层级分裂时子样本的特征所占的比例,这个一般很少用。因为subsample和colsample_bytree组合做的事与之类似。
- scale_pos_weight:[default=1]
- 处理样本不平衡问题。在样本高度不平衡时,将参数设置大于0,可以加快算法收敛。
# 学习任务参数
-
learning_rate
- 含义:学习率,控制每次迭代更新权重时的步长,默认0.3。
- 调参:值越小,训练越慢。
- 典型值为0.01-0.2。
-
objective 目标函数
- 回归任务
- reg:linear (默认)
- reg:logistic
- 二分类
- binary:logistic 概率
- binary:logitraw 类别
- 多分类
- multi:softmax num_class=n 返回类别
- multi:softprob num_class=n 返回概率
- rank:pairwise
- 回归任务
-
eval_metric
- 回归任务(默认rmse)
- rmse–均方根误差
- mae–平均绝对误差
- 分类任务(默认error)
- auc–roc曲线下面积
- error–错误率(二分类)
- merror–错误率(多分类)
- logloss–负对数似然函数(二分类)
- mlogloss–负对数似然函数(多分类)
- 回归任务(默认rmse)
-
gamma
- 惩罚项系数,指定节点分裂所需的最小损失函数下降值。
- 调参:
-
alpha
- L1正则化系数,默认为1
-
lambda
- L2正则化系数,默认为1
过拟合控制参数:
直接控制模型的复杂度 | max_depth, min_child_weight, gamma |
---|---|
增大产生树的随机性 | subsample, colsample_bytree, learning_rate, num_round |
处理不平衡的数据集 :
预测的排序(AUC) | scale_pos_weight |
---|---|
预测可靠性 | max_delta_step |
方法
- 1、训练
def fit(self, X, y, *, sample_weight=None, base_margin=None, eval_set=None, eval_metric=None, early_stopping_rounds=None, verbose=True, xgb_model=None, sample_weight_eval_set=None, feature_weights=None, callbacks=None):
sample_weight: 每个样本的权重
eval_set 用作提早停止的验证集