Question

我目前正在尝试使用XGBoost首次分析数据。我想使用GridsearchCV找到最佳参数。我想最小化均方根误差，为此，我使用＆＃34; rmse＆＃34;作为eval_metric。但是，网格搜索中的评分没有这样的指标。我在这个网站上发现＆＃34; neg_mean_squared_error＆＃34;做同样的事，但我发现这给了我不同于RMSE的结果。当我计算＆＃34; neg_mean_squared_error＆＃34;的绝对值的根时，我得到一个大约8.9的值，而另一个函数给我一个大约4.4的RMSE。我不知道出了什么问题，或者我如何让这两个函数同意/给出相同的值？

由于这个问题，我得到错误的值＆＃34; best_params _＆＃34;这让我的RMSE高于我最初开始调整的一些值。

任何人都可以解释一下如何在网格搜索中获得RMSE的分数，或者为什么我的代码会给出不同的值？

提前致谢。

def modelfit(alg, trainx, trainy, useTrainCV=True, cv_folds=10, early_stopping_rounds=50):
    if useTrainCV:
        xgb_param = alg.get_xgb_params()
        xgtrain = xgb.DMatrix(trainx, label=trainy)
        cvresult = xgb.cv(xgb_param, xgtrain, num_boost_round=alg.get_params()['n_estimators'], nfold=cv_folds,
                          metrics='rmse', early_stopping_rounds=early_stopping_rounds)
        alg.set_params(n_estimators=cvresult.shape[0])

    # Fit the algorithm on the data
    alg.fit(trainx, trainy, eval_metric='rmse')

    # Predict training set:
    dtrain_predictions = alg.predict(trainx)
    # dtrain_predprob = alg.predict_proba(trainy)[:, 1]
    print(dtrain_predictions)
    print(np.sqrt(mean_squared_error(trainy, dtrain_predictions)))

    # Print model report:
    print("\nModel Report")
    print("RMSE : %.4g" % np.sqrt(metrics.mean_squared_error(trainy, dtrain_predictions)))

 param_test2 = {
 'max_depth':[6,7,8],
 'min_child_weight':[2,3,4]
}

grid2 = GridSearchCV(estimator = xgb.XGBRegressor( learning_rate =0.1, n_estimators=2000, max_depth=5,
 min_child_weight=2, gamma=0, subsample=0.8, colsample_bytree=0.8,
 objective= 'reg:linear', nthread=4, scale_pos_weight=1, random_state=4),
 param_grid = param_test2, scoring='neg_mean_squared_error', n_jobs=4,iid=False, cv=10, verbose=20)
grid2.fit(X_train,y_train)
# Mean cross-validated score of the best_estimator
print(grid2.best_params_, np.sqrt(np.abs(grid2.best_score_))), print(np.sqrt(np.abs(grid2.score(X_train, y_train))))
modelfit(grid2.best_estimator_, X_train, y_train)
print(np.sqrt(np.abs(grid2.score(X_train, y_train))))

Answer 1

在GridSearchCV中，对得分参数进行转换，以使较高的值始终优于较低的值。在您的示例中，neg_mean_squared_error只是RMSE的否定版本。您不应将neg_mean_squared_error解释为RMSE，而应在交叉验证中比较neg_mean_squared_error的值，其中较高的值优于较低的值。

在model_evaluation文档的评分参数部分中，提到了这种行为。

Scikit-Learn Scoring Parameter Documentation

在GridSearchCV中为XGBoost评分

1 个答案: