问题标签 [xgboost]

从 python 中的数据创建 DMatrix 时出现以下错误。

TypeError：无法从 DataFrame
异常 AttributeError 初始化 DMatrix：“'DMatrix' 对象没有属性 'handle'”在 <bound method DMatrix.__del__ ofrix object at 0x584d210>> 被忽略

我有一个多类问题：例如，我们可以获取数据集数据mtcars集，并且我们想要预测柱面数cyl。

我想使用包装xgboost并安装它。caret为此，我使用为超参数创建网格

我可以将训练控制参数创建为

)

然后，当我尝试使用以下方法运行该train功能时caret：

我得到错误::

如何修复此错误以及如何指导xgbTree使用mlogloss来优化学习。

使用 xgboost 可以定义子采样率，以便每次迭代使用一定百分比的数据。但是，是否可以指定应该使用的确切子集？我能想到使用 xgboost 执行此操作的唯一方法是自己管理迭代过程，如https://github.com/dmlc/xgboost/blob/master/demo/guide-python/boost_from_prediction.py。并指定一个不同的dtrain每次迭代（dtrain然后每次都包含一个特定的子样本）。

有没有更优雅的方法来做到这一点？

我试图在 python 中安装 XGBoost 包。我正在使用 Windows 操作系统，64 位。我经历了以下。

包目录指出 xgboost 对于 windows 不稳定并被禁用：windows 上的 pip 安装目前已禁用以进行进一步调查，请从 github 安装。 https://pypi.python.org/pypi/xgboost/

我不精通 Visual Studio，面临构建 XGBoost 的问题。我错过了在数据科学中使用 xgboost 包的机会。

请指导，以便我可以在 python 中导入 XGBoost 包。

谢谢

我有一个看起来像的训练集

Name是结果/因变量。我将Name,Area和Day转换为因子，但我不确定我是否应该为Month和Night，它分别只取整数值 1-12 和 0-1。

然后我尝试将其转换为 amodel.matrix然后运行xgboost

但是，head(pred)只显示一堆概率数字

该Name变量可以采用 39 个不同的值。nrow(test)给出超过 80000，并且nrow(test)*39 与length(pred). 我不确定pred在说什么。假设Name订购为[ATTACK, VEHICLE, ..]，它表示对于第一行prob(ATTACK)=.00727, prob(VEHICLE)=.207, ...？还是说，，，prob(ATTACK_1strow)=.00727... prob(ATTACK_2ndrow)=.207？

假设pred是前者，那么我该如何修改pred使其如下所示？

is it possible to get the out-of-bag (oob) predictions of each tree, and plot some kind of confidence intervals.

For example this is implemented in the quantregForest package:

我想知道我是否可以在 xgboost 中进行校准。更具体地说，xgboost 是否带有像 scikit-learn 中的现有校准实现，或者是否有一些方法可以将 xgboost 中的模型放入 scikit-learn 的 CalibratedClassifierCV？

据我在 sklearn 中所知，这是常见的程序：

如果我将 xgboost 树模型放入 CalibratedClassifierCV 会引发错误（当然）：

RuntimeError: classifier has no decision_function or predict_proba method.

有没有办法将 scikit-learn 的优秀校准模块与 xgboost 集成？

欣赏你有见地的想法！

我正在尝试使用 XGBoost 对不等长曝光期生成的数据的索赔频率进行建模，但无法让模型正确处理曝光。我通常会通过将 log(exposure) 设置为偏移量来做到这一点——你能在 XGBoost 中做到这一点吗？

（这里发布了一个类似的问题：xgboost，偏移曝光？）

为了说明这个问题，下面的 R 代码生成了一些带有字段的数据：

• x1, x2 - 因子（0 或 1）
• 暴露 - 观察数据的政策期限长度
• 频率 - 每单位风险的平均索赔数量
• 索赔 - 观察到的索赔数量〜泊松（频率*曝光）

目标是使用 x1 和 x2 预测频率 - 真实模型是：如果 x1 = x2 = 1，频率 = 2，否则频率 = 1。

曝光不能用于预测频率，因为它在政策开始时是未知的。我们可以使用它的唯一方法是：预期索赔数量 = 频率 * 曝光。

该代码尝试通过以下方式使用 XGBoost 进行预测：

1. 将曝光设置为模型矩阵中的权重
2. 将 log(exposure) 设置为偏移量

在这些下面，我展示了如何处理树 (rpart) 或 gbm 的情况。

到目前为止，我的印象是机器学习算法（gbm、随机森林、xgboost 等）可以处理数据中存在的不良特征（变量）。

在我的一个问题中，大约有 150 个功能，如果我使用所有功能，使用 xgboost 我会得到大约 1 的 logloss。但是，如果我删除了大约 10 个不良功能（使用某种技术发现），我观察到的 logloss 为 0.45。这是巨大的进步。

我的问题是，糟糕的功能真的会产生如此大的差异吗？

我在 R 中使用 xgb.cv 和 xgboost。但是，它不能并行工作

我的示例代码如下

但是，上面的代码不起作用。我必须做什么才能使它们平行？

我在 xgboost 网站和 github 上找到了这个

1. https://github.com/dmlc/xgboost/blob/master/doc/build.md#building-on-osx

2. https://github.com/dmlc/xgboost/issues/276

但是，我无法运行

或者

sudo 也不起作用谢谢