xgboost.XGBClassifier 中可用的 objective 函数有哪些不同选项?
What are different options for objective functions available in xgboost.XGBClassifier?
除了binary:logistic
(这是默认的objective函数),还有其他内置的objective函数可以在xbgoost.XGBClassifier()
中使用吗?
确实 binary:logistic 是 XGBClassifier 的默认 objective,但我看不出有任何理由不能使用其他 [=23] =] 由 XGBoost package 提供。
例如,您可以在 sklearn.py 源代码中看到 multi:softprob 在多类情况下显式使用。
此外,如果确实需要,您可以提供自定义objective功能(详情here)。
XGBClassifier 的默认 objective 是 ['reg:linear]
但是还有其他参数..
binary:logistic-It returns 预测概率为 predicted class
multi:softmax - Returns 硬 class 多class class化
multi:softprob - 它 Returns 概率为 multiclass classification
注意:当multi:softmax用作objective时,您还需要传递num_class
因为 num_class 是定义 class 数量的参数数量
比如标注(0,1,2),这里有3个class,所以num_class = 3
除了binary:logistic
(这是默认的objective函数),还有其他内置的objective函数可以在xbgoost.XGBClassifier()
中使用吗?
确实 binary:logistic 是 XGBClassifier 的默认 objective,但我看不出有任何理由不能使用其他 [=23] =] 由 XGBoost package 提供。 例如,您可以在 sklearn.py 源代码中看到 multi:softprob 在多类情况下显式使用。
此外,如果确实需要,您可以提供自定义objective功能(详情here)。
XGBClassifier 的默认 objective 是 ['reg:linear] 但是还有其他参数.. binary:logistic-It returns 预测概率为 predicted class multi:softmax - Returns 硬 class 多class class化 multi:softprob - 它 Returns 概率为 multiclass classification
注意:当multi:softmax用作objective时,您还需要传递num_class 因为 num_class 是定义 class 数量的参数数量 比如标注(0,1,2),这里有3个class,所以num_class = 3