XGBoost是否在R中的稀疏矩陣中區分缺失值和0？

有時功能可能有0s 和缺失值。例如，你可以測量每投手遊戲三振一組棒球投手，並且你最終像XGBoost是否在R中的稀疏矩陣中區分缺失值和0？

feats <- c(NA, NA, NA, 3.7, 0, 2.2)

這裏的特徵矢量，1名投手平均每場0三振和3名投手沒沒有記錄任何數據，因爲他們還沒有投入比賽。當我們將它轉換爲一個稀疏矩陣，我們得到類似

library(Matrix) 
sparse1 <- sparseMatrix(i=4:6, j=rep(1, 3), x=c(3.7, 0, 2.2), dims=c(6, 1)) 
sparse1 

[1,] . 
[2,] . 
[3,] . 
[4,] 3.7 
[5,] 0.0 
[6,] 2.2

這裏，dgCMatrix類明確區分失蹤0的數據，但是從我的理解，假設在dgCMatrix丟失數據採取值0

我想知道的是，當XGBoost試圖拆分這些數據時，它會分別處理0和缺失的數據嗎？換句話說，當XGBoost試圖在這個特性上分裂時，它是否遵循NA協議（檢查兩個拆分方向）丟失的數據，還是將丟失的數據發送到與非稀疏0值相同的位置？

來源

2016-11-02 Ben

好像有一個小例子，你可以實證檢驗這... – Gregor

爲了雖然回答確切的問題：

是，缺失值不考慮增益計算而0值（不以提高樹添加漸變和孩子的粗麻布的總和）被考慮（並且在增強樹中增加了兒童的梯度和粗麻布的總和）

因此，0和缺失值是不相同的。

來源

2016-11-19 13:44:44 AbdealiJK

我主要是困惑，因爲我認爲'dgCMatrix'矩陣存儲遺漏值來港，但實際上它們存儲爲0。 – Ben

在您的代碼中，您明確指定了稀疏矩陣的表示形式。所有其他人都隱含地認爲是零。它們顯示爲點，但這並不意味着它們是NAs。 as.matrix()將顯示這些點實際上是零。

library(Matrix) 
sparse1 <- sparseMatrix(i=4:6, j=rep(1, 3), x=c(3.7, 0, 2.2), dims=c(6, 1)) 
as.matrix(sparse1)

來源

2018-03-06 05:33:53

XGBoost是否在R中的稀疏矩陣中區分缺失值和0？

回答

相關問題