将XGBC分类器模型转换为文本

时间:2018-06-06 11:23:25

标签: python xgboost multilabel-classification boosting

我使用XGBBoost训练多标签分类模型,并希望在另一个系统中对此模型进行编码。

是否可以在XGB Booster中看到我的XGBClassifier模型的文本输出为dump_model。

编辑: 我发现model._Booster.dump_model(outputfile)返回一个转储文件,如下所示。但是,没有任何内容可以指定类。在我的模型中,有10个类,但是在dumpfile中只有一个助推器。所以,我不确定它是所有类的模型还是只是其中之一。

booster[0]:
0:[101<0.142245024] yes=1,no=2,missing=1
    1:[107<0.102833837] yes=3,no=4,missing=3
        3:[101<0.039123565] yes=7,no=8,missing=7
            7:leaf=-0.0142603116
            8:leaf=0.023763923
        4:[101<0.0646461397] yes=9,no=10,missing=9
            9:leaf=-0.0345750563
            10:leaf=-0.0135767004
    2:[107<0.238691002] yes=5,no=6,missing=5
        5:[103<0.0775454491] yes=11,no=12,missing=11
            11:leaf=0.188941464
            12:leaf=0.0651629418
        6:[101<0.999929309] yes=13,no=14,missing=13
            13:leaf=0.00403384864
            14:leaf=0.236842111
booster[1]:
0:[102<0.014829753] yes=1,no=2,missing=1
    1:[102<0.00999682024] yes=3,no=4,missing=3
        3:[107<0.0966737345] yes=7,no=8,missing=7
            7:leaf=-0.0387153365
            8:leaf=-0.0486520194
        4:[107<0.0922582299] yes=9,no=10,missing=9
            9:leaf=0.0301927216
            10:leaf=-0.0284226239
    2:[102<0.199759275] yes=5,no=6,missing=5
        5:[107<0.12201979] yes=11,no=12,missing=11
            11:leaf=0.093562685
            12:leaf=0.0127987256
        6:[107<0.298737913] yes=13,no=14,missing=13
            13:leaf=0.227570012
            14:leaf=0.113037519

1 个答案:

答案 0 :(得分:4)

查看示例数据集上的源代码和输出,看起来好像n树估计属于类n modulo num_class的给定实例的可能性。我相信xgboost使用softmax函数,因此您希望将树i的输出添加到weight[i%10],然后取得所得权重的softmax。

这样的东西应该有用,假设你有一个函数booster_output(features, booster_index)可以确定给定特征值的第n个增强树的输出:

import numpy as np

num_class = 10
num_boosters = 800
weight_of_classes = [0]*num_class
for i in range(num_boosters):
    weight_of_classes[i%6] += booster_output(feature_values, i)


def softmax(x):
        e_x = np.exp(x - np.max(x))
        return e_x / e_x.sum()

probability_of_classes = softmax(weight_of_classes)
print(probability_of_classes)