我有一个问题,我应该从XGBoost
中选择哪个决策树。
我将使用以下代码作为示例。
#import packages
import xgboost as xgb
import matplotlib.pyplot as plt
# create DMatrix
df_dmatrix = xgb.DMatrix(data = X, label = y)
# set up parameter dictionary
params = {"objective":"reg:linear", "max_depth":2}
#train the model
xg_reg = xgb.train(params = params, dtrain = df_dmatrix, num_boost_round = 10)
#plot the tree
xgb.plot_tree(xg_reg, num_trees = n) # my question related to here
我在xg_reg
模型中创建了10棵树,并且可以通过在我的上一个代码中将n
设置为等于树的索引来绘制其中的任意一棵。
我的问题是:我怎么知道哪棵树最能解释数据集?它总是最后一个吗?还是应该确定要包含在树中的要素,然后选择包含这些要素的树?