xgboost使用train方法训练模型绘制学习曲线的方法

weixin_43453750

于 2021-08-24 22:06:49 发布

阅读量4.1k

点赞数 7

分类专栏： xgboost 文章标签： python 大数据算法

本文链接：https://blog.csdn.net/weixin_43453750/article/details/119899325

版权

本文介绍了如何使用XGBoost的train方法进行模型训练，并展示了在无法使用fit方法的bst.evals_result()情况下，如何绘制学习曲线的过程。通过这种方法，读者可以理解在特定场景下训练XGBoost模型并监控其性能的步骤。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

使用train方法训练模型后，无法使用fit方法的bst.evals_result()，报错如下：

'Booster' object has no attribute 'evals_result'

采用以下方法：


immport xgboost as xgb
param={...}
xg_train = xgb.DMatrix(x_train, label=y_train)
xg_test = xgb.DMatrix(x_test, label=y_test)
evals_result = {}#记录训练集误差和验证集误差
bst=xgb.train(param, 
          xg_train,
          evals=[(xg_train, 'Train'), (xg_test, 'Valid')],
          num_boost_round=num_round,
          evals_result=evals_result,
          verbose_eval=True)
#输出训练集误差和验证集误差
print(evals_result)

绘制学习曲线：

train_loss=list(evals_result['Train'].values())[0]
valid_loss=list(evals_result['Valid'].values())[0]
x_scale=[i for i in range(len(train_loss))]
plt.figure(figsize=(10,10))
plt.title('loss')
plt.plot(x_