XGBoost CV 和早期停止

Question

我正在尝试使用 XGBoost.cv 提前停止，基于 mlogloss：

params = {'booster': 'gbtree', 'objective': 'multi:softprob',
          'num_class': len(le.classes_), 'eta': 0.1,
          'max_depth': 10, 'subsample': 1.0,
          'scale_pos_weight': 1, 'min_child_weight': 5,
          'colsample_bytree': 0.2, 'gamma': 0, 'reg_alpha': 0,
          'reg_lambda': 1, 'eval_metric': 'mlogloss'}

res = xgb.cv(params, dm_train, nfold=5,
        seed=42, early_stopping_rounds=10, verbose_eval=True,
        metrics={'mlogloss'}, show_stdv=False)

print(res)

我对提前停止的理解是，如果我的评估指标在 n 轮（在本例中为 10 轮）后没有改善，运行将终止。当我运行这段代码时，它在 10 轮后终止，打印输出：

test-mlogloss-mean            
0:             6.107054               
1:             5.403606                    
2:             4.910938                   
3:             4.546221                    
4:             4.274113                  
5:             4.056968                  
6:             3.876368               
7:             3.728714                       
8:             3.599812                  
9:             3.485113

test-mlogloss 在每个时期都在下降，因此，我预计运行不会终止（因为准确性必须提高）。我哪里错了？

谢谢。

Answer 1

我没有设置 num_rounds 参数，它默认为 10。很简单。

XGBoost CV 和早期停止

XGBoost CV and early stopping

python

scikit-learn

cross-validation

xgboost