XGBoost 最佳迭代

Question

我是运行使用 XGBoost 算法的回归，

clf = XGBRegressor(eval_set = [(X_train, y_train), (X_val, y_val)],
                       early_stopping_rounds = 10, 
                       n_estimators = 10,                    
                       verbose = 50)

clf.fit(X_train, y_train, verbose=False)
print("Best Iteration: {}".format(clf.booster().best_iteration))

它正确地训练了自己，但是打印函数引发了以下错误，

TypeError: 'str' object is not callable

如何获取模型的最佳迭代的次数？

此外，如何打印 each training error 轮?

Answer 1

你的错误是 XGBRegressor 的 booster 属性是一个字符串，它指定了要使用的助推器的种类，而不是实际的助推器实例。来自文档：

booster: string
Specify which booster to use: gbtree, gblinear or dart.

为了获得实际的助推器，您可以改为调用 get_booster()：

>>> clf.booster
'gbtree'
>>> clf.get_booster()
<xgboost.core.Booster object at 0x118c40cf8>
>>> clf.get_booster().best_iteration
9
>>> print("Best Iteration: {}".format(clf.get_booster().best_iteration))
Best Iteration: 9

我不确定你问题的后半部分，即：

Furthermore, how can I print the training error of ** each round**?

但希望您已畅通无阻！

Answer 2

对于您的 TypeError：使用 get_booster() 而不是 booster()

print("Best Iteration: {}".format(clf.get_booster().best_iteration))

要在预测时使用最佳迭代次数，您需要一个名为 ntree_limit 的参数，该参数指定要使用的助推器的数量。训练过程中生成的值是best_ntree_limit，可以在训练模型后调用以下内容：clg.get_booster().best_ntree_limit。更具体地说，当你预测时，使用：

best_iteration = clg.get_booster().best_ntree_limit
predict(data, ntree_limit=best_iteration)

如果您在 .fit() 命令中指定这些参数，则可以打印您的训练和评估过程

clf.fit(X_train, y_train,
        eval_set = [(X_train, y_train), (X_val, y_val)],
        eval_metric = 'rmse',
        early_stopping_rounds = 10, verbose=True)

注意： early_stopping_rounds 参数应该在 .fit() 命令中而不是在 XGBRegressor() 实例化中。

另一个注意： verbose = 50 in XGBRegressor() 是多余的。 verbose 变量应该在您的 .fit() 函数中并且是 True 或 False。对于 verbose=True 的作用，read here 在 verbose 部分下。它直接影响你的第三个问题。

XGBoost 最佳迭代

XGBoost Best Iteration

regression

machine-learning

python-3.x

xgboost