python - XGBoost 决策树选择
问题描述
我有一个关于我应该从哪个决策树中选择的问题XGBoost
。
我将使用以下代码作为示例。
#import packages
import xgboost as xgb
import matplotlib.pyplot as plt
# create DMatrix
df_dmatrix = xgb.DMatrix(data = X, label = y)
# set up parameter dictionary
params = {"objective":"reg:linear", "max_depth":2}
#train the model
xg_reg = xgb.train(params = params, dtrain = df_dmatrix, num_boost_round = 10)
#plot the tree
xgb.plot_tree(xg_reg, num_trees = n) # my question related to here
我在模型中创建了 10 棵树,我可以通过在我的最后一个代码中设置等于树的索引xg_reg
来绘制其中的任何一棵。n
我的问题是:我怎么知道哪棵树最能解释数据集?总是最后一个吗?还是我应该确定要在树中包含哪些特征,然后选择包含这些特征的树?