栏目分类:
子分类:
返回
名师互学网用户登录
快速导航关闭
当前搜索
当前分类
子分类
实用工具
热门搜索
名师互学网 > IT > 软件开发 > 后端开发 > Python

[机器学习]XGBoost 训练时使用Weight,AUC指标的计算总结

Python 更新时间: 发布时间: IT归档 最新发布 模块sitemap 名妆网 法律咨询 聚返吧 英语巴士网 伯小乐 网商动力

[机器学习]XGBoost 训练时使用Weight,AUC指标的计算总结

在训练XGB的时候, xgb.DMatrix()函数里有个weight的参数,可以给样本设置权重,这样xgb就可以在设置了权重的样本集上训练只要DMatrix()函数里设置了weight参数,打印出来的metric都是在加了权重的数据集上计算出来的。先放个代码,放个打印出来的logloss和auc

tain.txt,test.txt 为标准带weight的libsvm格式   label:weight  1:feat1 2:feat2 ......

import os
train = os.path.join(dataset_path, "train.txt")
test = os.path.join(dataset_path, "test.txt")

roc_auc_score函数中有个参数是sample_weight,可以给样本设置权重。

一 DMatrix读取libsvm目录

 

计算AUC时,不带Weight与 带Weight如果下结果:

二 DMatrix读取X,y,Weight

 三 XGBClassifier fit时设置sample_weight

XGBClassifier传入了train的weight在fit时,但是计算AUC时,对train与test都是不带weight计算的

 

 四 XGB训练进使用Weight总结

       1.使用Dmatrix方式训练时,因为train test都有weight, 在训练过程中都会打印AUC(带weight)

       2. 使用XGBClassifier fit模型时,只传了train的weight,模型训练时会使用weight的信息建树,但是打印metric时, train与test计算AUC 不是不带weight信息

所以如果使用带weight的样本进行训练时,XGB打印的信息因训练方式数据格式区别会有不同的打印结果。但是总体来说,使用XGBClassifier训练更好,因为之后预测样本时,样本不会有weight信息,这时计算预测集的AUC时的信息,与XGBClassifier fit时打印的信息是保持一样的。

加了权重样本的AUC如何计算_大豆木南的博客-CSDN博客_加权auc

转载请注明:文章转载自 www.mshxw.com
本文地址:https://www.mshxw.com/it/917736.html
我们一直用心在做
关于我们 文章归档 网站地图 联系我们

版权所有 (c)2021-2022 MSHXW.COM

ICP备案号:晋ICP备2021003244-6号