xgboost

1熱度

2回答

Python XgBoost對不平衡類

我目前正在研究一個旨在預測二進制類的機器學習項目（負數：0，正數：1）。數據集不平衡。正值比例爲0.1％。 我正在使用gini作爲我的性能指標運行xgboost模型。 問題是，升壓迭代期間，它需要大量的奔跑不斷提高得分 例： [Fold 1/2] [0] train-gini:-0.048192 validation-gini:-0.042979 Multiple eval metrics h

python xgboost 2017-10-12

---

1熱度

2回答

h2o.xgboost - 沒有GPU，沒有多線程

我想補充說這個問題 - is multi-cpu supported by h2o-xgboost? - 但顯然我的代表太低。 我正在使用h2o（3.14.06）的最新穩定版本。 爲了試圖解決這個問題，我已經確信，GCC是我的搬運工圖像中建立（使用apt-get安裝GCC） dpkg -l | grep gcc gcc 4:5.3.1-1ubuntu1 amd64 GNU C c

h2o xgboost 2017-10-13

---

3熱度

1回答

如何使用TimeSeriesSplit和GridSearchCV對象在scikit-learn中調整模型？

我已經搜索了sklearn docs for TimeSeriesSplit和docs for cross-validation，但我一直未能找到一個工作示例。 我正在使用sklearn版本0.19。 這是我的設置 import xgboost as xgb from sklearn.model_selection import TimeSeriesSplit from sklearn.gri

python scikit-learn xgboost 2017-10-13

---

0熱度

1回答

在R中繪製xgboost模型的AUC

我目前正在關注以下link的幻燈片。我在幻燈片121/128上，我想知道如何複製AUC。作者沒有解釋如何這樣做（幻燈片124中也一樣）。其次，在幻燈片125上生成以下代碼; bestRound = which.max(as.matrix(cv.res)[,3]-as.matrix(cv.res)[,4]) bestRound 我收到以下錯誤; 錯誤as.matrix（cv.res），2]：下

r machine-learning xgboost auc 2017-10-13

---

0熱度

1回答

XGBoost模型上的GridSearchCV給出錯誤

我在python中創建了XGBoost分類器。我試圖做GridSearch找到這樣 grid_search = GridSearchCV(model, param_grid, scoring="neg_log_loss", n_jobs=-1, cv=kfold) grid_result = grid_search.fit(X, Y) print("Best: %f using %s" %

machine-learning scikit-learn xgboost grid-search 2017-10-15

---

0熱度

1回答

在插入符號中創建RMSLE度量標準

有人可以幫我解決以下問題：我需要將我的xgboost訓練模型與插入符號包一起更改爲未知錯誤度量RMSLE。默認情況下，caret和xgboost訓練和測量RMSE。 這裏是行代碼： 在插入符格式 custom_summary = function(data, lev = NULL, model = NULL){ out = rmsle(data[, "obs"], data[, "pred"])

r-caret evaluation xgboost metric 2017-10-19

---

1熱度

1回答

AttributeError：'module'對象在anaconda上沒有屬性'XGBClassifier'

我在ubuntu上使用python 3.6.2上的Anaconda，並使用「pip install xgboost」安裝xgboost，也從here（將pythonpath設置爲庫），但兩者不能工作，總是顯示 「 'module' object has no attribute 'XGBClassifier' 」 下面是我的代碼： cv_params = {'max_depth': [3,5,7]

python-3.x xgboost 2017-10-20

---

1熱度

1回答

沒有使用GPU支持XGBClassifier加速

在下面的代碼中，我嘗試搜索xgboost的不同超參數。 param_test1 = { 'max_depth':list(range(3,10,2)), 'min_child_weight':list(range(1,6,2)) } predictors = [x for x in train_data.columns if x not in ['target', 'id']] gsea

gpu xgboost 2017-10-20

---

0熱度

1回答

類型str沒有定義__round__方法錯誤

試圖實現XGBoost來確定最重要的變量，我有一些數組的錯誤。 我的完整代碼如下 from numpy import loadtxt from numpy import sort import pandas as pd from xgboost import XGBClassifier from sklearn.model_selection import train_test_split

python arrays numpy typeerror xgboost 2017-10-21

---

2熱度

3回答

確定爲什麼要素在決策樹模型中很重要

經常利益相關者不希望有一個很好的預測黑箱模型;他們希望瞭解有關功能的深入瞭解，以便他們能夠向其他人解釋。 當我們檢查xgboost或sklearn漸變增強模型的特徵重要性時，我們可以確定特徵的重要性......但我們不明白爲什麼這些特徵很重要，是嗎？ 有沒有辦法解釋不僅是什麼功能重要，而且爲什麼它們很重要？ 我被告知使用shap但即使運行一些樣板實例拋出錯誤，所以我在尋找替代品（或者甚至只是一個程

python machine-learning scikit-learn decision-tree xgboost 2017-11-04

---