如何调整xgboost以为变量赋予更多权重？

Question

我有大约1万名客户的历史购买数据3个月，我想用这些数据预测未来3个月的购买情况。我使用客户ID作为输入变量，因为我希望xgboost学习不同类别之间的个人支出。有没有办法调整，所以重点是根据每个个人购买了解更多？或者更好的方法来解决这个问题？

Answer 1

您可以使用权重向量，您可以在xgboost中传递weight参数;大小等于nrow(trainingData)的向量。然而，这通常用于惩罚分类错误中的错误（想想稀疏数据与只有销售说一个月左右的项目;你想学习销售然后你需要给销售实例更多的权重，否则所有的预测将是零）。显然你正在尝试tweak我无法理解的自变量的重量。

学习因变量的行为（在你的情况下是销售）是机器学习模型所做的，你应该让它完成它的工作。你不应该调整它来强制学习一些功能。对于学习购买行为，聚类类型的无监督技术将更有用。

要包含用户特定的行为，首先要做的是进行群集，并为每个用户识别索引不足和过度索引的类别。然后，您可以使用这些标志创建一些分类功能。

PS：解释您问题的一些数据可以帮助其他人更好地帮助您。

Answer 2

它自2020年12月10日起随XGBoost 1.3.0一起提供，名称为feature_weights：https://xgboost.readthedocs.io/en/latest/python/python_api.html#xgboost.XGBClassifier.fit，我将在此处进行编辑/使用它的教程。