[在使用包xgboost和xgb.cv
中的函数r时,我有一个与模型的交叉验证,调整,训练和预测有关的问题。
特别是,我在分类问题中使用xgb.cv
重复使用并改编了Internet上的代码,以便在参数空间(调整)中搜索最佳参数。
在这里您可以找到用于执行此任务的代码:
# *****************************
# ******* TUNING ************
# *****************************
start_time <- Sys.time()
best_param <- list()
best_seednumber <- 1234
best_acc <- 0
best_acc_index <- 0
set.seed(1234)
# In reality, might need 100 or 200 iters
for (iter in 1:200) {
param <- list(objective = "binary:logistic",
eval_metric = c("error"), # rmse is used for regression
max_depth = sample(6:10, 1),
eta = runif(1, .01, .1), # Learning rate, default: 0.3
subsample = runif(1, .6, .9),
colsample_bytree = runif(1, .5, .8),
min_child_weight = sample(5:10, 1), # These two are important
max_delta_step = sample(5:10, 1) # Can help to focus error
# into a small range.
)
cv.nround <- 1000
cv.nfold <- 10 # 10-fold cross-validation
seed.number <- sample.int(10000, 1) # set seed for the cv
set.seed(seed.number)
mdcv <- xgb.cv(data = dtrain, params = param,
nfold = cv.nfold, nrounds = cv.nround,
verbose = F, early_stopping_rounds = 20, maximize = FALSE,
stratified = T)
max_acc_index <- mdcv$best_iteration
max_acc <- 1 - mdcv$evaluation_log[mdcv$best_iteration]$test_error_mean
print(i)
print(max_acc)
print(mdcv$evaluation_log[mdcv$best_iteration])
if (max_acc > best_acc) {
best_acc <- max_acc
best_acc_index <- max_acc_index
best_seednumber <- seed.number
best_param <- param
}
}
end_time <- Sys.time()
print(end_time - start_time) # Duration -> 1.54796 hours
[大约1.5小时后,这段代码为我提供了交叉验证设置中性能最好的参数。我还能够重现循环中获得的精度和最佳参数。
# Reproduce what found in loop
set.seed(best_seednumber)
best_model_cv <- xgb.cv(data=dtrain, params=best_param, nfold=cv.nfold, nrounds=cv.nround,
verbose = T, early_stopping_rounds = 20, maximize = F, stratified = T,
prediction=TRUE)
print(best_model_cv)
best_model_cv$params
现在,我想使用此“最佳参数”来使用xgboost
或xgb.train
训练我的完整训练集,并在测试数据集上设置prediction。
best_model <- xgboost(params = best_param, data=dtrain,
seed=best_seednumber, nrounds=10)
[目前,我不确定此培训代码是否正确,在xgboost
中应使用哪些参数。问题是,当我进行此训练并在测试数据集中做出预测时,我的分类器基本上将几乎所有新实例归为一个类(这是不可能的,因为我还使用了其他模型,从原理上讲,分类率)。
所以,总结一下,我的问题是:
如何在包xgboost的训练功能中使用从交叉验证阶段获得的训练参数?
由于我在这个领域还很新,您可以确认我应该对我的测试数据集进行预处理,因为我已经对训练数据集进行了预处理(变换,特征工程等)?
我知道我的代码不可复制,但是我对该函数的使用更感兴趣,所以我认为在此阶段这并不关键。
谢谢。
当在r中使用包xgboost和函数xgb.cv时,我有一个与模型的交叉验证,调整,训练和预测有关的问题。特别是,我已经重复使用和改编了...
最后,我的测试数据集的定义中出现错误,从而导致了问题。我定义训练模型参数的方式没有错。