xgboost 算法参数解释

忘是亡心i 2022-05-08 22:38 420阅读 0赞

###  ###

xgboost 算法

> 目前集成学习方法大致可分为两大类：
> 
> 第一类是个体学习器之间存在强依赖关系、必须串行生成的序列化方法，这种方法的代表是“Boosting”；
> 
> 第二类是个体学习器间不存在强依赖关系、可同时生成的并行化方法，它的代表是“Bagging”和“RandomForest”

**boosting：**提升方法是一个迭代的过程，通过改变样本分布，使得分类器聚集在那些很难分的样本上，对那些容易错分的数据加强学习，增加错分数据的权重，这样错分的数据再下一轮的迭代就有更大的作用（对错分数据进行惩罚）。数据的权重有两个作用，一方面我们可以使用这些权值作为抽样分布，进行对数据的抽样，另一方面分类器可以使用权值学习有利于高权重样本的分类器。

![70][]

xgboost中的 XGBClassifier 方法：

XGBClassifier(max_depth, learning_rate, n_estimators, silent, objective, booster, n_jobs,
     nthread, gamma, min_child_weight, max_delta_step, subsample, colsample_bytree, 
     colsample_bylevel, reg_alpha, reg_lambda, scale_pos_weight, base_score, random_state, 
     seed, missing)

### 3.参数解释： ###

> 1.  max\_depth ：每棵二叉树的最大深度，默认是6； 值越大，越容易过拟合，越小，容易欠拟合
> 2.  learning\_rate （原来是eta）:学习率，控制每次迭代更新权重的步长，默认0.3，值越小，训练越慢。常用：0.01-0.2
> 3.  n\_esitimator: 决策树的棵树，即总共迭代的次数
> 4.  silent： silent=0,为输出中间过程；1 为不输出中间过程，IDE会输出运行状态。默认是0， 输出运行状态，方便理解。其实设置为 1 时，还是会打印输出。
> 5.  objective 目标函数（可自定义目标函数）：使用方法： objective = 'reg:linear'
> 
> **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
> 
> 1.  booster : 设置基分类器： booster = gbtree 以树模型为基分类器； gblinear 以线性模型为基分类器
> 2.  gamma： 惩罚系数
> 3.  min\_child\_weight：最小叶子结点权重
> 4.  max\_delta\_step：
> 5.  subsample：随机选择 多少样本建立决策树 ，float 型，如：0.8 取80 % 的样本
> 6.  colsample\_bytree：随机选择多少样本特征建立决策树
> 7.  reg\_alpha：L1 正则化系数 float
> 8.  reg\_lambda：L2 正则化系数
> 9.  scale\_pos\_weight：解决样本个数不平衡问题，设置正样本的权重。当正负样本比例为1：:10时，scale\_pos\_weight=10
> 10. random\_state, seed： 随机种子，使用random\_state

XGBClassifier().fit() 参数

> fit(self, X, y, sample\_weight=None, eval\_set=None, eval\_metric=None, early\_stopping\_rounds=None, verbose=True, xgb\_model=None, sample\_weight\_eval\_set=None)

参数解释：

> 1.  sample\_weight: 样本权重
> 2.  eval\_set： list 型，如：eval\_set = \[(X\_test, y\_test)\],。 设置自定义样本，将使用列表的样本作为验证集，当迭代几次分数没提高，则终止。与 4 相关。
> 3.  eval\_metric: 评估标准。 使用方法： eval\_metric = 'error'
> 
>  *  **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）
> 
> 1.  early\_stopping\_rounds: int 型，当连续迭代几次时，分数没有提高后，提前终止训练。
> 2.  sample\_weight\_eval\_set: list 型， 每个特征样本作为验证集的权重。

[70]: /images/20220509/db483c72be6e47d58ed295d70d831dca.png