0
我想运行xgboost来解决非常嘈杂的功能问题,并且希望根据我定义的自定义eval_metric来停止轮次数。基于eval_metric停止xgboost
基于领域知识我知道,当eval_metric(在训练数据上评估)高于某个值时xgboost过度拟合。我想只是在特定的轮次上采用拟合模型,而不是继续进行。
什么是最好的方法来实现这一目标?
这将有点符合早期停止标准,但不完全符合。
或者,如果有可能从中间轮获得模型?
下面是一个更好地解释问题的例子。 (使用附带xgboost帮助文档的玩具为例,选择默认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")
这里是输出
[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
现在让我们从领域知识说,我知道,一旦列车误差低于0.015(在这种情况下是第三轮),任何进一步的回合只会导致过度拟合。我将如何在第三轮后停止训练过程并获得训练好的模型,以便将它用于不同数据集的预测?
我需要在许多不同的数据集上运行训练过程,并且我没有意识到可能需要多少轮才能获得低于固定数量的错误,因此我无法将nrounds参数设置为预定义值。我的唯一直觉是,一旦训练错误低于一个数字,我需要停止进一步的训练。
感谢您的回答 - 如果我理解正确,您所使用的代码就会不断增加轮次训练模型,并在错误低于截止点时停止。是否有一种方法可以只运行一次模型,在每轮之后计算eval_metric,然后在eval_metric低于截止点时保存模型。 –
您可能需要重新阅读xgboost文档。 Xgboost使用迭代方法来获得有用的模型。每一轮都接近您所熟悉的错误级别:平衡时间来创建适合您情况的模型和模型复杂性。我不认为你有什么办法可以事先知道一个“正确的”模型。再次,在没有任何代码或任何样本数据集的情况下,我很难知道你在问什么 –
我给我的问题添加了一个例子 - 希望它能更好地解释我的问题 –