XGBoost-XGBoost 中验证相关参数梳理和解释

xgb params 中的参数 evals_metric

Evaluation metrics for validation data, a default metric will be assigned according to objective (rmse for regression, and logloss for classification, mean average precision for ranking)
用于验证数据的评估指标,根据不同的目标函数,会分配默认评估指标(回归使用 rmse,分类使用 logloss,排序使用 mean average precision)

User can add multiple evaluation metrics. Python users: remember to pass the metrics in as list of parameters pairs instead of map, so that latter eval_metric won’t override previous one
使用者可以增加多个评估指标。对于 python 使用者:记得使用参数对列表而不是 map 来传递评估指标,这样之后 eval_metric 不会覆盖之前的参数

xgb.train 参数 evals

evals (Optional[Sequence[Tuple[DMatrix, str]]]) – List of validation sets for which metrics will evaluated during training. Validation metrics will help us track the performance of the model.
evals (Optional[Sequence[Tuple[DMatrix, str]]]) - 在训练时用于指标进行评估的验证集列表。验证指标将追踪我们追踪模型的表现

看一个使用例子

import xgboost as xgb
import pandas as pd

data = pd.read_csv(r'datasets/House Price/train_encode.csv',index_col=0)
X = data.iloc[:,1:-1]
y = data.iloc
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值