1、
Xgboost参数的选择:
base_score:对于所有样本预测为正样本的全局偏置(the initial prediction score of all instances, global bia)。如果迭代次数够多,改变这个参数对结果不会有影响。
经验值:将base_score设定为#(正样本)/#(所有样本),对结果没有多少影响,但是可以减少迭代的次数。
2、Xgboost支持cross_validation
http://xgboost.readthedocs.io/en/latest/python/python_api.html
Xgboost的cross_validation是,先将数据集先切分成nfold份,然后每次迭代的时候,都会测试nfold次,(nfold-1)做训练集,nfold做测试集,每次迭代给出评测指标的均值和方差。
3、XGBoost可以允许自定义目标函数
XGBoost的train()函数在training.py中定义,其函数签名如下所示。
train()函数中有两个参数:obj和feval,其中这两个参数均指向函数引用,其默认值均为None,其中obj为目标函数(objective function),feval为评价函数。在train()函数中,obj和feval的默认值均为None,若其为赋值,则调用系统默认的对应函数,当用户自定义则调用用户定义的相应函数。
根据GBDT训练过程,当每步训练得到一颗数,会调用目标函数得到其梯度残差作为下一棵树拟合的目标,XGBoost在调用obj函数时会传入两个参数:preds和dtrain,其中preds为当前完成训练的所有数对训练的预测值,dtrain为训练集,可以通过dtrain.get_label()获取训练样本的label。同时XGBoost规定目标函数需返回当前preds基于训练label的一阶和二阶梯度。
由上述目标函数定义规则可以实现基于loglikelihood的目标函数如下:
上述logregobj()定义中,grad和hess分别为一阶和二阶梯度。函数定义参考链接: XGBoost自定义目标函数。
4、XGBoost可以允许自定义评价函数
GBDT训练中会每次巡接模型基于验证集评价,此时会调用评价函数,XGBoost的best_iteration和best_score均是基于评价函数得出。XGBoost中对于评价函数调用时同样会传入preds和dvalid,即为验证集和验证集上的预测值,返回值为一个字符串标识自定义评价函数的类型和一个flaot类型的fevalerror值表示评价值的大小,其是以error的形式定义,即当此值越大是认为模型效果越差。
XGBoost官方库中不支持以F1 Score来作为评价函数,用户可同过自定义feval实现,一种实现方式如下: