XGBoost与Scikit学习

时间:2019-07-08 07:44:31

标签: python scikit-learn xgboost sklearn-pandas

现在我正在学习sklearn,并且已经对其进行了一些处理。今天,我发现xgboost存在!根据互联网上的各种文章,每个人都说xgboost:

  • 更快
  • 给出更好的结果
  • 并且通常在各个方面领导Kaggle ...

在查看了一些代码示例并阅读了官方的xgboost文档之后,我发现它可以用作sklearn包装器,并且可以独立使用(它具有自己的教学方法,预测,验证和其他必要的类和方法)

现在是时候问一个问题:sklearn-已经过去了,或者它具有xgboost没有的东西吗?如果xgboost本身可以完成所有操作,为什么还要麻烦包装呢?我在这个方面太虚弱,但是了解所有内容的排列方式并拒绝学习过时的库非常重要!

1 个答案:

答案 0 :(得分:0)

SKLearn仍在积极使用,这已不再是过去。为什么要在SKLearn课程中包装任何内容?因为,SKLearn具有良好的管道基础架构。如果您将XGBoost或Keras用作模型提供程序,则需要将其包装到从suitable SKLearn base派生的类中,以便可以将其插入到管道中。

Keras Wrappers

XGBoost Wrappers