时间戳

首页 > 解决方案 > 多类目标变量的 XGBoost 超参数调优

scikit-learn - 多类目标变量的 XGBoost 超参数调优

问题描述

我有一个多分类问题（必须预测 1,2 或 3），我正在尝试使用 XG-Boost 解决。我正在尝试使用随机搜索微调我的参数。这是我的代码：

我尝试将 'param_distributions' 中的 'scoring' 参数从 'auc_roc' 更改为 'precision','f1_samples', 'jaccard' （这引发了另一个与 'average' 参数相关的错误，因为我有多类问题）。

loss=['hinge','log','modifier_huber','squared_hinge','perceptron']
penalty = ['li','l2','elasticnet']
alpha = [0.0001, 0.001,0.01,0.1,1,10,100,1000]
learnin_rate = ['constant','optimal','invscaling','adaptive']
class_weight = [{0.3,0.5,0.2},{0.3,0.4,0.3}]
eta0 = [1,10,100]

xg_class = xgb.XGBClassifier(objective = "multi:softmax", colsample_bytree = 1,
gamma = 1,subsample = 0.8, learning_rate = 0.01, max_depth = 3,
alpha = 10,n_estimators = 1000, multilabel_ =True, num_classes = 3)

from sklearn.metrics import jaccard_score

param_distributions = dict(loss = loss, penalty=penalty, alpha=alpha, learnin_rate=learnin_rate, class_weight=class_weight, eta0=eta0)
random = RandomizedSearchCV(estimator = xg_class, param_distributions=param_distributions, 
scoring = jaccard_score(y_true=Y_miss_xgb_test, y_pred = preds_miss_xgb, average = 'micro'),
verbose = 1, n_jobs =-1, n_iter = 1000)

random_result = random.fit(X_miss_xgb_train, Y_miss_xgb_train)

我得到的错误是

ValueError：评分应该是单个字符串或可调用的单个度量评估或字符串列表/元组或映射到可调用多个度量评估的评分者名称的字典。得到 0.3996569468267582 类型

标签： scikit-learnprecisionxgboostgrid-search

解决方案

RandomizedSearchCV期望单个字符串或可调用的单个度量评估或字符串列表/元组或得分者名称的字典映射到可调用的多个度量评估作为“评分”参数，但传递了一个浮点值。jaccard_score(y_true=Y_miss_xgb_test, y_pred = preds_miss_xgb, average = 'micro')返回一个浮点分数（axactly 0.3996569468267582）。

您可以将“jaccard_score”评分指定为字符串，如下所示：

random = RandomizedSearchCV(estimator = xg_class, 
                            param_distributions=param_distributions, 
                            scoring = "jaccard_score",
                            verbose = 1, 
                            n_jobs =-1, 
                            n_iter = 1000)

推荐阅读