在 R 中调整 XGboost 参数
Tuning XGboost parameters In R
我正在尝试使用 R 中的 caret 包调整参数,但得到
Error in train.default(x = as.matrix(df_train %>% select(-c(Response, :
The tuning parameter grid should have columns nrounds, lambda, alpha
每当我尝试训练模型时,即使列 nrounds、lambda 和 alpha 都在那里。
library(caret)
library(xgboost)
library(readr)
library(dplyr)
library(tidyr)
xgb_grid_1 <- expand.grid(
nrounds= 2400,
eta=c(0.01,0.001,0.0001),
lambda = 1,
alpha =0
)
xgb_trcontrol <- trainControl(
method="cv",
number = 5,
verboseIter = TRUE,
returnData=FALSE,
returnResamp = "all",
allowParallel = TRUE,
)
xgb_train_1 <- train(
x = as.matrix(df_train %>% select(-c(Response, Id))),
y= df_train$Response,
trControl = xgb_trcontrol,
tuneGrid = xgb_grid_1,
method="xgbLinear"
)
问题出在你的xgb_grid_1。如果您删除 eta 行,它将起作用。
xgboost 和插入符号的标准调整选项是 "nrounds"、"lambda" 和 "alpha"。不是埃塔。使用 modelLookup 函数查看哪些模型参数可用。如果您也想使用 eta,则必须创建自己的插入符号模型以在调整中也使用此额外参数。
modelLookup("xgbLinear")
model parameter label forReg forClass probModel
1 xgbLinear nrounds # Boosting Iterations TRUE TRUE TRUE
2 xgbLinear lambda L2 Regularization TRUE TRUE TRUE
3 xgbLinear alpha L2 Regularization TRUE TRUE TRUE
我正在尝试使用 R 中的 caret 包调整参数,但得到
Error in train.default(x = as.matrix(df_train %>% select(-c(Response, :
The tuning parameter grid should have columns nrounds, lambda, alpha
每当我尝试训练模型时,即使列 nrounds、lambda 和 alpha 都在那里。
library(caret)
library(xgboost)
library(readr)
library(dplyr)
library(tidyr)
xgb_grid_1 <- expand.grid(
nrounds= 2400,
eta=c(0.01,0.001,0.0001),
lambda = 1,
alpha =0
)
xgb_trcontrol <- trainControl(
method="cv",
number = 5,
verboseIter = TRUE,
returnData=FALSE,
returnResamp = "all",
allowParallel = TRUE,
)
xgb_train_1 <- train(
x = as.matrix(df_train %>% select(-c(Response, Id))),
y= df_train$Response,
trControl = xgb_trcontrol,
tuneGrid = xgb_grid_1,
method="xgbLinear"
)
问题出在你的xgb_grid_1。如果您删除 eta 行,它将起作用。
xgboost 和插入符号的标准调整选项是 "nrounds"、"lambda" 和 "alpha"。不是埃塔。使用 modelLookup 函数查看哪些模型参数可用。如果您也想使用 eta,则必须创建自己的插入符号模型以在调整中也使用此额外参数。
modelLookup("xgbLinear")
model parameter label forReg forClass probModel
1 xgbLinear nrounds # Boosting Iterations TRUE TRUE TRUE
2 xgbLinear lambda L2 Regularization TRUE TRUE TRUE
3 xgbLinear alpha L2 Regularization TRUE TRUE TRUE