我试图在早期停止时使用XGBoost.cv,基于mlogloss:
params = {'booster': 'gbtree', 'objective': 'multi:softprob',
'num_class': len(le.classes_), 'eta': 0.1,
'max_depth': 10, 'subsample': 1.0,
'scale_pos_weight': 1, 'min_child_weight': 5,
'colsample_bytree': 0.2, 'gamma': 0, 'reg_alpha': 0,
'reg_lambda': 1, 'eval_metric': 'mlogloss'}
res = xgb.cv(params, dm_train, nfold=5,
seed=42, early_stopping_rounds=10, verbose_eval=True,
metrics={'mlogloss'}, show_stdv=False)
print(res)
我对早期停止的理解是,如果我的eval指标在n轮中没有改善(在这种情况下为10),则运行将终止。当我运行此代码时,它会在10轮后终止,打印输出:
test-mlogloss-mean
0: 6.107054
1: 5.403606
2: 4.910938
3: 4.546221
4: 4.274113
5: 4.056968
6: 3.876368
7: 3.728714
8: 3.599812
9: 3.485113
Test-mlogloss随着每个时代而下降,因此,我预计运行不会终止(因为准确性必须提高)。我哪里错了?
感谢。
答案 0 :(得分:1)
我没有设置num_rounds参数,默认为10.简单。