使用 python api 和 scikit-learn 包装器的 XGBoost 的不同结果

Question

这里是蘑菇样本数据的例子：

import xgboost as xgb
from sklearn.datasets import load_svmlight_files

X_train, y_train, X_test, y_test = load_svmlight_files(('agaricus.txt.train', 'agaricus.txt.test'))

clf = xgb.XGBClassifier()
param = clf.get_xgb_params()
clf.fit(X_train, y_train)
preds_sk = clf.predict_proba(X_test)

dtrain = xgb.DMatrix(X_train, label=y_train)
dtest = xgb.DMatrix(X_test)
bst = xgb.train(param, dtrain)
preds = bst.predict(dtest)

print preds_sk
print preds

结果是：

[[  9.98860419e-01   1.13956432e-03]
 [  2.97790766e-03   9.97022092e-01]
 [  9.98816252e-01   1.18372787e-03]
 ..., 
 [  1.95205212e-04   9.99804795e-01]
 [  9.98845220e-01   1.15479471e-03]
 [  5.69522381e-04   9.99430478e-01]]

[ 0.21558253  0.7351886   0.21558253 ...,  0.81527805  0.18158565
  0.81527805]

为什么结果不同？似乎所有默认参数值都是相同的。我不是说 predict_proba returns [prob, 1- prob].

xgboost v0.6，scikit-learn v0.18.1，python 2.7.12

Answer 1

您需要将num_boost_round参数直接传递给xgb.train:

bst = xgb.train(param, dtrain,num_boost_round=param['n_estimators'])

因为否则它会忽略参数['n_estimators']并使用默认的估算器数量，目前xgb.train接口为10，而n_estimators的默认值为100。

使用 python api 和 scikit-learn 包装器的 XGBoost 的不同结果

Different results for XGBoost using python api and scikit-learn wapper

python

machine-learning

scikit-learn

classification

xgboost