我使用的是xgboost，它提供的early_stopping功能非常好。
但是，当我查看sklearn fit函数时，仅看到Xtrain, ytrain个参数，而没有看到用于Early_stopping的参数。
是否可以将评估集传递给sklearn以便提前停止？
谢谢
答案 0 :(得分：2)
在sklearn.ensemble.GradientBoosting中，必须在实例化模型时配置提前停止，而不是在进行fit时配置。
validation_fraction ：浮点型，可选，默认为0.1。 保留训练数据作为早期停止的验证集。必须 介于0和1之间。仅当n_iter_no_change设置为 整数。
n_iter_no_change ：整数，默认值无n_iter_no_change用于 决定在以下情况下是否将尽早停止训练 验证分数没有提高。默认情况下将其设置为“无” 禁用提前停止。如果设置为数字，则将其保留 validate_fraction训练数据的大小，作为验证和 当验证分数在所有方面均未提高时，终止培训 以前的n_iter_no_change次迭代次数。
tol ：浮动，可选，默认1e-4允许提前停止。 当n_iter_no_change的损失至少没有改善时 迭代（如果设置为数字），训练将停止。
为了设置early_Stopping，您应该考虑将上述参数传递给模型。
您可能想阅读Early stopping of Gradient Boosting以获得完整的说明和示例。
答案 1 :(得分：-1)
当您使用early_stopping_rounds为.fit()调用Xbgoost时，参数名称为Sklearn API。
工作示例！
from sklearn.datasets import load_breast_cancer
breast_cancer = load_breast_cancer()
X = breast_cancer.data
y = breast_cancer.target
from xgboost.sklearn import XGBClassifier
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split( X, y, test_size = 0.2, random_state = 100)
GBM = XGBClassifier()
GBM.fit(X_train, y_train, eval_metric="auc",
eval_set=[(X_test,y_test)], early_stopping_rounds=2)
如果打算使用sklearn.ensemble.GradientBoostingClassifier()，则必须将tol设置为0，将n_iter_no_change设置为等于early_stopping_rounds的值。
注意：sklearn.ensemble.GradientBoostingClassifier()不使用单独的验证数据集，您必须提供完整的数据集，然后使用validation_fraction提及验证分数。