问题标签 [xgboost]

我正在使用 xgboost 进行排名

据我了解，梯度提升是通过计算学习决策树的加权和来工作的。如何访问分配给每个学习助推器的权重？我想尝试在训练后对权重进行后处理以加快预测步骤，但我不知道如何获得单个权重。使用时dump_model()，可以在创建的文件中看到不同的决策树，但没有存储权重。在 API 中我没有找到合适的函数。或者我可以使用收缩参数手动计算权重eta吗？

我尝试在库的函数中使用early.stop.round参数，但是，我得到了一个错误。在我离开未指定后，该函数运行没有任何问题。我做错了什么？xgb.cvxgboostearly.stop.round

这是我的示例代码：

我在用xgboost_0.4-2

我正在尝试使用 XGBoost 技术进行预测。由于我的因变量是连续的，我使用 XGBoost 进行回归，但各种门户中可用的大多数参考资料都用于分类。虽然我知道通过使用

我们可以进行回归，但我仍然需要对其他参数进行一些澄清。如果有人可以为我提供它的 R 片段，那将是一个很大的帮助。

我想使用 anaconda python 安装 xgboost。在这个过程中，我正在尝试安装 xgboost。在尝试“制作” xgboost 时，我收到以下错误：

我从其他堆栈溢出帖子中了解到，32 位 gcc 不能与我正在使用的 64 位 anaconda 一起使用。但是，当我安装 mingw-w64 时，我可以看到它的 g++ 仅适用于 mingw32，而不适用于 mingw-w64。在 mingw-w64 包下，g++ 和其他应用程序+文件夹仅适用于 mingw32，而不适用于 64。对于 mingw-64，仅存在批处理文件和 Internet 快捷方式。

您能否指导我出了什么问题或指导我到一个合适的地方，从那里我可以下载 mingw-64。

提前致谢。

我在 Python 中创建了一个 xgboost 分类器：

train 是一个 pandas 数据框，有 100k 行和 50 个特征作为列。目标是熊猫系列

然而，在训练之后，当我使用这个分类器来预测值时，整个结果数组是相同的数字。知道为什么会发生这种情况吗？

数据说明：约 50 个具有数值目标的数值特征

我也尝试过RandomForestRegressor使用相同数据的 sklearn，它确实给出了现实的预测。也许是 xgboost 实现中的一个合法错误？

有人可以解释R 包中的Cover列是如何在函数中计算的吗？xgboostxgb.model.dt.tree

在文档中，它说 Cover “是衡量受拆分影响的观察数量的指标”。

xgboost当您运行此函数的文档中给出的以下代码时，Cover树 0 的节点 0 为 1628.2500。

火车数据集中有 6513 个观测值，所以谁能解释为什么Cover树 0 的节点 0 是这个数字的四分之一（1628.25）？

此外，Cover对于树 1 的节点 1 是 788.852 - 这个数字是如何计算的？

任何帮助将非常感激。谢谢。

我正在使用 XGBoost 进行一些实验。我将迭代次数设置为 1000 并得到结果 - 合理的..

比我尝试做一些不同的事情：

而不是运行 1000 次迭代，我想运行 100 次迭代，这个重复 10 次（总共也 1000 次迭代）。在这 10 步之间，我设置了：target_learn = target_learn - target_fitted（来自上一步）。

而不是 target_fitted = target_fitted + 预测

Target_fitted 预测是通过对所有数据集的测试集进行交叉验证获得的。

我得到了不同的结果——准确度很差。

比我跑得更远，只跑了 5 次迭代，做了 200 次……甚至更糟……

我之所以尝试这样做，是因为我想在迭代期间更改学习矩阵（尝试做一些重复性的事情）。

任何想法为什么结果不同......在我看来，每一步的第一次迭代都是不同的，所以我在模型中多次迭代，这正在扼杀准确性......

其他参数一样。。

或者也许我错过了完整的东西..？谢谢

我正在使用 python（与 pandas 等）我有一个带有标签列的数据框（类 a、b、c 等 - 总共 38 个）。我想使用 Xgboost 进行预测，但它只适用于 0:num_classes 范围内的标签。

所以基本上我需要： - 用 0:num_class 索引替换标签列中的所有值（a 用 0，b 用 1，c 用 2 等）

类数为 38，因此无法手动映射和替换。有没有一种优雅的方式来做到这一点？（在 R 中我会使用：

但它在这里不起作用。

我知道 R 本身是单线程的，但是 XGboost 有一个参数 nthread 应该控制 xgboost 用于处理的线程数。但是，无论我如何设置它，我只看到我的一个核心被使用。

需要做什么才能使其并行运行？

有人怎么计算数字吗？在文档中它说这个功能“获取每个特征的特征重要性”，但没有解释如何解释结果。