xgboost

    1熱度

    1回答

    我正在使用xgboost來解決分類問題。 我有一個基本問題。 您可以在下面找到火車和測試(未看到)套裝每輪的AUC。 正如你所看到的,測試集的AUC接近於0.你能幫我理解發生了什麼嗎? 我正在使用python。如有需要,我可以發佈代碼和數據。 感謝 [0] test-auc:0.4375 train-auc:0.881865 [1] test-auc:0.25 train-auc:0.947

    -1熱度

    1回答

    我在python中使用xgboost來解決多分類問題。輸入訓練數據的數量約爲50萬。這是執行很慢我的Python代碼: param = {'max_depth':23, 'eta':0.1, 'objective':'multi:softprob','num_class':24 } num_round = 10 watchlist = [(dtrain, 'train')] bst = x

    1熱度

    1回答

    我的理解是DMatrix接受numpy.ndarray作爲輸入。 我已經嘗試過多次現在,它不讓我創建一個DMatrix。 我一直在使用Xgboost.DMatrix和Xgboost.sklearn.DMatrix嘗試。 任何幫助將是高度可觀的。

    3熱度

    1回答

    我經歷了各種文章,其中大多數描述瞭如何將權重引入特定的數據行而不是特定的功能。在R的GBM中,我們可以指定模型以便從一個特定的特徵中更明確地學習。我們可以爲Python的XGBoost做些什麼嗎? 我通過以下去: here 1here 2here 3和所有不知何故何況我們可以給權重排。 我是XGBoost的新手,想要第二次確認,如果我們可以給變量賦值權重。 我的情況是,我有一個計劃列,目標爲實際值

    0熱度

    2回答

    暢達當我嘗試用下面的命令conda install -c aterrel xgboost=0.4.0安裝暢達,我有一個錯誤 UnsatisfiableError: The following specifications were found to be in conflict: - python 3.5* - xgboost 0.4.0* Use "conda info <

    1熱度

    2回答

    在virtualenv下,我試圖安裝使用official installation guide的python包裝。當我做 sudo python setup.py install 我得到的錯誤: Install libxgboost from: ['/Users/dmitry/dev/mlenv/xgboost/xgboost/python-package/xgboost/../../lib/

    3熱度

    1回答

    我通過其scikit學習風格的Python接口調用xgboost: model = xgboost.XGBRegressor() %time model.fit(trainX, trainY) testY = model.predict(testX) 一些sklearn模型告訴你他們通過屬性feature_importances分配給其功能的重要性。這似乎並不爲XGBRegressor存在

    1熱度

    1回答

    xgboost當我執行使用GridSearchCV和網格搜索回合xgboost kfold = StratifiedKFold(n_splits=3, shuffle=False, random_state=random_state) model = xgb.XGBClassifier() grid_search = GridSearchCV(model, param_grid, scor

    0熱度

    1回答

    我想在我的windows 7上使用install xgboost,但在此之前,當我安裝MinGW-W64時,需要使用make命令,並且在我的git bash中鍵入which mingw32-make ,它表示在我的路徑中沒有mingw32-make(儘管我在Path環境變量中給出了mingw32-make的目錄地址)。那麼有人可以幫我解決這個問題,或者至少提出一個在ipython筆記本中使用xgb

    0熱度

    1回答

    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