xgb.train
xgboost
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.train
XGBClassifier
- 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!
xgb.train
xgboost
是在 Python中训练模型的低级 API 。
XGBClassifier
调用时,我可以打印对象并打印超参数。xgb.train
XGBClassifier
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!
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']