1

xgb.trainxgboost是在 Python中训练模型的低级 API 。

  • 当我使用包装器并在训练模型时XGBClassifier调用时,我可以打印对象并打印超参数。xgb.trainXGBClassifier
  • 使用时xgb.train我不知道如何在训练后检查参数

代码:

bst = xgb.train(params, dtrain)
bst.params # does not work!
4

1 回答 1

1

此处save_config提到的方法可用于创建模型配置的字符串表示。这可以转换为字典:

import json

config = json.loads(bst.save_config())

结果有点嵌套,但是超参数是这样找到的:

config['learner']['gradient_booster']['updater']['grow_colmaker']['train_param']

于 2021-11-03T11:00:21.663 回答