我试图使用XGBoost
作为gbm
的替代品。在R中使用XGBoost进行回归模型
我得到的分数很奇怪,所以我在想也许我在代码中做错了什么。
我的数据包含几个因子变量,所有其他数字。
响应变量是指示房价的连续变量。
我明白,为了使用XGBoost
,我需要使用一个热门恩为那些。我用下面的代码这样做:
Xtest <- test.data
Xtrain <- train.data
XSalePrice <- Xtrain$SalePrice
Xtrain$SalePrice <- NULL
# Combine data
Xall <- data.frame(rbind(Xtrain, Xtest))
# Get categorical features names
ohe_vars <- names(Xall)[which(sapply(Xall, is.factor))]
# Convert them
dummies <- dummyVars(~., data = Xall)
Xall_ohe <- as.data.frame(predict(dummies, newdata = Xall))
# Replace factor variables in data with OHE
Xall <- cbind(Xall[, -c(which(colnames(Xall) %in% ohe_vars))], Xall_ohe)
在那之后,我分割数据回测试&车组:
Xtrain <- Xall[1:nrow(train.data), ]
Xtest <- Xall[-(1:nrow(train.data)), ]
再建立模型,并打印均方根误差& Rsquared:
# Model
xgb.fit <- xgboost(data = data.matrix(Xtrain), label = XSalePrice,
booster = "gbtree", objective = "reg:linear",
colsample_bytree = 0.2, gamma = 0.0,
learning_rate = 0.05, max_depth = 6,
min_child_weight = 1.5, n_estimators = 7300,
reg_alpha = 0.9, reg_lambda = 0.5,
subsample = 0.2, seed = 42,
silent = 1, nrounds = 25)
xgb.pred <- predict(xgb.fit, data.matrix(Xtrain))
postResample(xgb.pred, XSalePrice)
问题是我得到非常关RMSE & Rsxquare:
RMSE Rsquared
1.877639e+05 5.308910e-01
这是从结果中使用GBM当我走得很远。
我想我做错了,我最好的可能与一个热编码相,我不熟悉猜,所以使用调整我的数据,谷歌搜索代码。
有人可以指出我做错了什么,以及如何“修复”它?
UPDATE:
审查@Codutie的答案后,我的代码中有一些错误:
Xtrain <- sparse.model.matrix(SalePrice ~. , data = train.data)
XDtrain <- xgb.DMatrix(data = Xtrain, label = "SalePrice")
xgb.DMatrix
生产:
Error in setinfo.xgb.DMatrix(dmat, names(p), p[[1]]) :
The length of labels must equal to the number of rows in the input data
train.data
是数据帧,它具有1453行。标签SalePrice
还包含1453个值(无遗漏值)
感谢