xgboost：尽管具有合理的准确性，但巨大的对数损失

Question

我在二元分类问题上训练了一个 xgboost 分类器。它产生 70% 的准确预测。然而 logloss 非常大，为 9.13。我怀疑这可能是因为一些预测非常偏离目标，但我不明白为什么会发生 - 其他人使用 xgboost 在相同数据上报告更好的 logloss (0.55 - 0.6)。

from readCsv import x_train, y_train
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score, log_loss
from xgboost import XGBClassifier

seed=7
test_size=0.09

X_train, X_test, y_train, y_test = train_test_split(
    x_train, y_train, test_size=test_size, random_state=seed)

# fit model no training data
model = XGBClassifier(max_depth=5,
                      learning_rate=0.02,
                      objective= 'binary:logistic',
                      n_estimators = 5000)
model.fit(X_train, y_train)

# make predictions for test data
y_pred = model.predict(X_test)
predictions = [round(value) for value in y_pred]

accuracy = accuracy_score(y_test, predictions)
print("Accuracy: %.2f%%" % (accuracy * 100.0))

ll = log_loss(y_test, y_pred)
print("Log_loss: %f" % ll)
print(model)

产生以下输出：

Accuracy: 73.54%
Log_loss: 9.139162
XGBClassifier(base_score=0.5, colsample_bylevel=1, colsample_bytree=1,
       gamma=0, learning_rate=0.02, max_delta_step=0, max_depth=5,
       min_child_weight=1, missing=None, n_estimators=5000, nthread=-1,
       objective='binary:logistic', reg_alpha=0, reg_lambda=1,
       scale_pos_weight=1, seed=0, silent=True, subsample=1)

有人知道我的高 logloss 的原因吗？谢谢！

Answer 1

解决方案：使用model.predict_proba()，而不是model.predict()

这将 logloss 从 7+ 降低到 0.52，这在预期范围内。 model.predict() 正在输出像 1e18 这样的巨大值，它似乎需要通过一些函数才能使其成为有效的概率分数（在 0 和 1 之间）。

xgboost：尽管具有合理的准确性，但巨大的对数损失

xgboost: Huge logloss despite reasonable accuracy

machine-learning

xgboost

cross-entropy

bigdata