0
我想運行xgboost來解決非常嘈雜的功能問題,並且希望根據我定義的自定義eval_metric來停止輪次數。基於eval_metric停止xgboost
基於領域知識我知道,當eval_metric(在訓練數據上評估)高於某個值時xgboost過度擬合。我想只是在特定的輪次上採用擬合模型,而不是繼續進行。
什麼是最好的方法來實現這一目標?
這將有點符合早期停止標準,但不完全符合。
或者,如果有可能從中間輪獲得模型?
下面是一個更好地解釋問題的例子。 (使用附帶xgboost幫助文檔的玩具爲例,選擇默認eval_metric)
library(xgboost)
data(agaricus.train, package='xgboost')
train <- agaricus.train
bstSparse <- xgboost(data = train$data, label = train$label, max.depth = 2, eta = 1, nthread = 2, nround = 5, objective = "binary:logistic")
這裏是輸出
[0] train-error:0.046522
[1] train-error:0.022263
[2] train-error:0.007063
[3] train-error:0.015200
[4] train-error:0.007063
現在讓我們從領域知識說,我知道,一旦列車誤差低於0.015(在這種情況下是第三輪),任何進一步的回合只會導致過度擬合。我將如何在第三輪後停止訓練過程並獲得訓練好的模型,以便將它用於不同數據集的預測?
我需要在許多不同的數據集上運行訓練過程,並且我沒有意識到可能需要多少輪才能獲得低於固定數量的錯誤,因此我無法將nrounds參數設置爲預定義值。我的唯一直覺是,一旦訓練錯誤低於一個數字,我需要停止進一步的訓練。
感謝您的回答 - 如果我理解正確,您所使用的代碼就會不斷增加輪次訓練模型,並在錯誤低於截止點時停止。是否有一種方法可以只運行一次模型,在每輪之後計算eval_metric,然後在eval_metric低於截止點時保存模型。 –
您可能需要重新閱讀xgboost文檔。 Xgboost使用迭代方法來獲得有用的模型。每一輪都接近您所熟悉的錯誤級別:平衡時間來創建適合您情況的模型和模型複雜性。我不認爲你有什麼辦法可以事先知道一個「正確的」模型。再次,在沒有任何代碼或任何樣本數據集的情況下,我很難知道你在問什麼 –
我給我的問題添加了一個例子 - 希望它能更好地解釋我的問題 –