Xgboost交叉验证模型访问

文章/答案/技术大牛

发布

1回答

python、data-science、xgboost

有没有什么方法可以直接从xgboost.cv访问经过训练的xgboost模型？或者在这种情况下，我必须手动循环折叠并执行拟合吗？

浏览 16提问于2016-09-19得票数 0

回答已采纳

1回答

R h2o - mcc阈值交叉验证的混淆矩阵

r、h2o、confusion-matrix

在训练我的XGBoost模型之后，使用5折交叉验证，我想了解模型在新数据上的性能。据我所知，每次交叉验证时模型的性能都是在可接受的性能度量中运行的。使用h2o.performance(best_XGBoost，xval = T)，我可以得到交叉验证的混淆矩阵。但是，阈值是基于F1选择的，我希望使用absolute_mcc来选择阈值来查看性能。

浏览 10提问于2019-01-03得票数 0

回答已采纳

1回答

在优化超参数时，使用来自XGBoost库的交叉验证是否有好处？

scikit-learn、pandas、xgboost、cross-validation、hyperparameter-tuning

XGBoost库通过xgboost.cv()拥有自己的交叉验证的实现。看起来，它需要将数据存储为DMatrix。不用使用xgboost.cv()，我可以使用XGBoost的雪橇与GridSearchCV()、RandomizedGridCV或cross_validate()一起使用sklearn执行交叉验证。如果我使用交叉验证的sklearn实现，我可以使用pandas.DataFrame的S和熟悉的sklearn函

浏览 0提问于2022-12-28得票数 0

1回答

xgb.cv似乎只使用训练数据进行xfold验证？

r、cross-validation、xgboost

我对R中的ml和尝试构建一个10倍交叉验证的xgboost模型是相当陌生的。我在这里看到了文档： https://www.rdocumentation.org/packages/xgboost/versions/1.1.1.1/topics/xgb.cv 然而，在这个示例中，它纯粹使用训练数据任何使用过这个包的人都能帮助我理解这个交叉验证模型是如何测试的吗？谢谢

浏览 22提问于2020-07-24得票数 0

回答已采纳

1回答

获得良好的交叉验证分数，但Roc_auc分数非常低

machine-learning、scikit-learn、data-science、auc

我们已经应用了很多模型，k=10的cv-skf得分已经超过了0.85，但roc_auc得分却停留在0.5左右。我正在使用sklearn。下面是代码片段。

浏览 0提问于2016-03-25得票数 0

1回答

是否可以在R中使用xgboost (xgb.cv)对交叉验证的模型进行交叉验证和保存？

r、xgboost

R中几乎所有的机器学习包/函数都允许您在训练模型时获得交叉验证性能指标。据我所知，使用xgboost进行交叉验证的唯一方法是像这样设置一条xgb.cv语句： clf <- xgb.cv( params = param,

浏览 5提问于2016-04-10得票数 0

1回答

将.pickle模型转换为tar.gz模型，以便在Sagemaker中使用

scikit-learn、xgboost、amazon-sagemaker、tar.gz

如何将保存为.pickle文件的模型转换为tar.gz格式？这是一个使用Scikit-学习和交叉验证进行培训的XGBoost模型。在Amazon中部署所需的tar.gz格式。

浏览 9提问于2022-03-02得票数 -1

2回答

有没有一种在python中使用xgboost模块执行分层交叉验证的方法？

python、scikit-learn、xgboost、cross-validation

我是在训练和预测相同的数据集，但我想执行10倍交叉验证和预测左外折叠，从而预测整个数据集。我该怎么做？我所使用的图书馆如下：import xgboost as xgb

浏览 0提问于2015-08-20得票数 7

1回答

最后训练中的新参数

machine-learning、cross-validation、hyperparameter-tuning

我正在使用60%的数据和40%的测试来训练Xgboost。是否对再培训模型的树数有任何正确的

浏览 0提问于2019-12-13得票数 4

回答已采纳

1回答

XGBOOST missing_value特性降低了我的性能？

xgboost、missing-data、auc

我正在训练一个痛风病的xgboost模型，在我抽样的1:7病例控制比率的训练集上(在病例中丰富)。我有220个特性，我达到一个交叉验证的0.90的AUC。对于缺少的值，我使用了一个特殊的值-65336，我不告诉XGBOOST --我让它处理缺失的值，就像对待其他值一样。列车种群的交叉验证性能保持不变。但其在一般种群上的表

浏览 0提问于2017-08-06得票数 1

2回答

为什么在插入符号中使用"xgbTree“与trainControl的速度这么慢？

r、machine-learning、r-caret

我试图将xgboost模型用于多类预测问题，并希望使用caret进行超参数搜索。

浏览 3提问于2016-03-21得票数 2

回答已采纳

1回答

H2O -从python代码中获取交叉验证结果

python、h2o

我正在尝试使用python访问一些H2O模型的结果。import h2o print(r2_sc

浏览 15提问于2020-05-14得票数 1

回答已采纳

3回答

科学学习中使用XGBoost交叉验证的网格搜索和早期停止

python、scikit-learn、cross-validation、xgboost、grid-search

我是相当新的sci学习，并一直试图超调调调XGBoost。我的目标是使用早期停止和网格搜索来调整模型参数，并使用早期停止来控制树数，避免过度拟合。由于我使用交叉验证的网格搜索，我希望也使用交叉验证在早期停止标准。到目前为止，我的代码如下所示：import pandas as pdimport xgboostvariables y_train = train.

浏览 10提问于2017-05-09得票数 14

回答已采纳

1回答

每个API的xgboost速度差

classification、xgboost

为什么计算n折叠的xgboost.cv交叉验证操作比xgboost.sklearn API的单个XGBoostClassifier.fit(X,y)更快呢？

浏览 0提问于2016-09-22得票数 2

回答已采纳

1回答

目标函数与评价指标的匹配

xgboost、loss-function、model-evaluations、mse

模型拟合的目标函数和模型验证的评价指标是否需要在整个超参数搜索过程中保持一致？例如，一个XGBoost模型是否可以以均方误差作为目标函数(将“目标”参数设置为reg: squared :回归和平方损失)，而交叉验证过程是基于显著不同的度量来评估的，例如伽马偏差(伽马回归的剩余偏差

浏览 0提问于2020-09-25得票数 3

回答已采纳

1回答

当我使用cross_val_score方法时，如何测试是否存在过拟合？

scikit-learn、decision-trees、xgboost、cross-validation、accuracy

我从一本关于xgboost的书中得到了以下代码。我不知道这是否是一种正确的方法来分析交叉验证得分，以过份适合的目的。平均精度为81，这是可以接受的。但是如果训练的准确率是99%呢？如果是，我如何做到这一点，因为模型是由cross_val_score方法与5种不同的交叉验证-训练集拟合？模型=XGBClassifier(增强器=‘gbtree’，目标=‘二进制:logistic’，random_state=2)分数=cross_val_score(模型，

浏览 0提问于2023-02-19得票数 0

2回答

不使用所有核心的XGBoost n_jobs = -1训练

python-3.x、machine-learning、xgboost

我在使用计算机上的所有核心来训练和交叉验证XGBoost模型时遇到了问题.num_boost_round=500, early_stopping_rounds=200)但是，如果我与scikit交叉验证-学习实现： scores = cross_val_score(xg_model, X, y, cv=kfo

浏览 1提问于2019-10-11得票数 0

回答已采纳

1回答

XGBoost算法，关于evaulate_model函数的问题

python、machine-learning、xgboost

这个规避模型函数经常使用，我发现它在IBM中使用了。title='Feature Importance', color='g') plt.show()Model ReportAUC Score (Train): 0.965286 我想知道，考虑到测试集比训练集具有更高的精度，这两个模型报告是否完全

浏览 1提问于2019-02-06得票数 2

回答已采纳

1回答

XGBoost模型性能

python、precision、xgboost

我正在尝试使用XGBoost进行分类。我对它的准确性相当怀疑。我已经用默认参数应用了它，精度是100%。

浏览 24提问于2020-06-18得票数 0

1回答

XGBoost计算度量不平衡数据.自定义评估度量

machine-learning、classification、xgboost

我使用xgboost包(在R中)建立了一个模型，我的数据是不平衡的(5000个正数对95000个负数)，具有二进制分类输出(0,1)。我已经与ROC曲线下的评估度量AUC区域进行了交叉验证，我现在认为这是错误的，因为这更好地用于平衡数据集。我使用精确记录曲线下的面积和马修斯相关系数( MCC )对模型的最终结果进行了分析，但我现在认为，我应该与AUPRC和MCC一起评估交叉验证模型，并且完全忘记AUROC。

浏览 0提问于2018-06-14得票数 4

点击加载更多