Question

如何检索XGBoost参数（即增强对象）？ XGBoost版本-0.90（XGB包装器）

之后：

bst = xgb.train(param, dtrain, num_boost_round = best_iteration)

此：

bst.get_xgb_params()

给出错误：

'Booster' object has no attribute 'xgb_params'

此：

config = json.loads(bst.save_config())
print(config)

给出错误（从1.0版本开始可用）：

'Booster' object has no attribute 'save_config'

此：

bst.attributes()

不返回任何内容：

{}

此：

bst.attr('Parameters'))

返回：

None

Answer 1

不幸的是，在使用低级 xgb api 时获取 booster 参数并非易事。

以下是我如何找到我正在寻找的助推器参数：

# this retrieves all booster and non-booster parameters
import json

config = json.loads(lowlevel_xgb.save_config()) # your xgb booster object
stack = [config]
internal = {}
while stack:
    obj = stack.pop()
    for k, v in obj.items():
        if k.endswith('_param'):
            for p_k, p_v in v.items():
                internal[p_k] = p_v
        elif isinstance(v, dict):
            stack.append(v)

# retrieve all parameter values from xgb.train in param search dict
from nested_lookup import nested_lookup

lowlevelconfig = {}
for key in search_params_dict: #dict of parameters you want to search for
    lowlevelconfig[key] = nested_lookup(key,config)

就我而言，我想将默认的低级 api 参数（即使用 xgb.train）与使用 scikit-wrapper（即使用 XGBClassifier）的默认参数进行比较。不幸的是，它们不一样！

如果你有同样的情况，你可以像我一样：

from nested_lookup import nested_lookup
lowlevelconfig = {}
for key in sci_xgb.get_params():#where sci_xgb is your scikit xgb model 
    lowlevelconfig[key] = nested_lookup(key,config)

这样，您就可以比较低级 xgb api 和 scikit 包装器的 booster 参数。

Answer 2

在here中我看不到任何方法来获得助推器的参数。 sci-kit learn wrapper的参数与get_xgb_params()类似。

xgboost如何知道训练模型的参数

2 个答案: