我最近开发了一个使用scikit-learn RandomForestRegressor模型的全功能随机森林回归软件,现在我有兴趣将它的性能与其他库进行比较。因此,我找到了一个scikit-learn API for XGBoost random forest regression,并使用X特征和全零的Y数据集做了一个小的SW测试。from numpy import arrayfrom sklear
我使用了Scikit-learn API for XGBoost (python中的)。我的准确率约为68%。我使用相同的参数集并使用XGBoost的Learning API;我的准确率约为60%。我的理解是Scikit-learn API是Learning API的包装器,因此它们应该给我相同的结果。我不明白为什么这两个API会得到不同的结果。cores=16
rando
当比较sklearn.GridSearchCV和xgboost.cv时,我得到了不同的results...below,我解释了我想做什么:import numpy as npimport xgboost as xgbfrom xgboost.sklearn(只有一个,即估计器的数目)。20轮xgb.cv (之前作为网格搜索输入的