0


XGBoost模型调参:GridSearchCV方法网格搜索优化参数

文章目录

一、前言

本篇文章是继上一篇文章:使用K-Fold训练和预测XGBoost模型的方法,探讨对XGBoost模型调优的方法,所使用的代码和数据文件均是基于上一篇文章的,需要的小伙伴可以跳转链接自行获取。

二、数据处理

程序和上篇文章中的完全一致,不再赘述。

import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split
from xgboost import XGBRegressor

feature_file = pd.read_csv("./DataHousePricePrediction/train.csv")

x =[]# 特征数据
y =[]# 标签for index in feature_file.index.values:#print('index', index)#print(feature_file.values[0])#print(feature_file.ix[index].values) 
    x.append(feature_file.values[index][2:-1])# 从原文件中提取输入变量数据
    y.append(feature_file.values[index][1])# 从原文件中提取输出变量标签
   
x, y = np.array(x), np.array(y)# 划分训练集和验证集
X_train,X_valid,y_train,y_valid = train_test_split(x,y,test_size=0.2,random_state=12345)

三、XGBoost参数调优

3.1 常见可调参数

一般调参会考虑以下几个超参数(需要在模型中初始化):

• learning_rate
• n_estimators
• max_depth
• min_child_weight
• subsample
• colsample_bytree
• gamma
• reg_alpha
• reg_lambda

这些参数的具体含义可见:XGBoost常用参数
定义模型:

#定义xgboost模型
xgb = XGBRegressor(learning_rate =0.1,
                   n_estimators=150, 
                   max_depth=5,
                   min_child_weight=1,
                   gamma=0,
                   subsample=0.8,
                   colsample_bytree=0.8,
                   objective='reg:squarederror',
                   reg_alpha=0,
                   reg_lambda=1,
                   nthread=4,
                   scale_pos_weight=1,
                   seed=27)

3.2 GridSearchCV调参函数

不同于CV领域的神经网络,Scikit-learn为XGBoost模型提供了一个网格搜索最优化参数的方法:GridSearchCV(网格搜索交叉验证调参)。详细介绍见:sklearn.model_selection.GridSearchCV

在本文中,主要使用到了GridSearchCV中的以下几个参数:

  • estimator:表示所要调优的模型。
  • param_grid:字典类型变量。主要存储的是要尝试的参数,每一个参数中要尝试的值组成一个列表,不同的参数列表构成一个字典。
  • n_jobs,int类型,表示要并行运行的作业数,-1表示使用所有的处理器。通过此参数可以认为控制使用CPU的核数。
  • cv,int类型,表示要交叉验证拆分的数量,也就是K-Fold的数量。

GridSearchCV搜索原理:对param_grid中要尝试的变量进行排列组合,遍历每一种组合,通过交叉验证的方式返回所有参数组合下的评价指标得分,最后选择分数最高的组合对应的参数作为最优值。简单来说,GridSearchCV的搜索原理就是枚举,暴力搜索。

3.3 一般调参顺序

调参的要旨是:每次调一个或两个超参数,然后将找到的最优超参数代入到模型中继续调余下的参数。
XGBoost一般的调参顺序和排列组合是:

  1. 最佳迭代次数(树模型的个数):n_estimators
  2. min_child_weight以及max_depth
  3. gamma
  4. subsample以及colsample_bytree
  5. reg_alpha以及reg_lambda
  6. learning_rate

下面以min_child_weight以及max_depth两个参数为例展示对应的调参程序:

from sklearn.model_selection import GridSearchCV
#Need to research#research_one: n_epoch#research_one: max_depth
param_test1 ={'min_child_weight':[1,2,3],'max_depth':[2,3,4,5,6,7]}

xgb_res = GridSearchCV(estimator = xgb, 
                       param_grid = param_test1, 
                       n_jobs=4, 
                       cv=5)

xgb_res.fit(X_train, y_train)

3.4 调参结果可视化

在搜索完成后,本文使用了

cv_results_、best_params_、best_score_

作为搜索输出,这三个方法都是

GridSearchCV

方法的对象,含义是:

  • cv_results_:输出cv(交叉验证)结果的,可以是字典形式也可以是numpy形式,还可以转换成DataFrame格式
  • best_params_:通过网格搜索得到的score最好对应的参数
  • best_score_:输出最好的成绩
print('max_depth_min_child_weight')print('gsearch1.grid_scores_', xgb_res.cv_results_)print('gsearch1.best_params_', xgb_res.best_params_)print('gsearch1.best_score_', xgb_res.best_score_)

程序的输出为:

在这里插入图片描述
从输出的结果看出,GridSearchCV搜索确定了最佳的max_depth为3,最佳的min_child_weight为3,综合两种参数下模型的最佳得分为:0.65,获得了我们要的结果。
注:这里没有展示

xgb_res.cv_results_

的输出结果(太长了),从上面的对

param_test1

的定义可知,此次搜索中min_child_weight有3中取值,max_depth有6种取值,进行排列组合后有18种可能。

cv_results_

展示的就是这18种情况对应的交叉验证值。

四、总结

GridSearchCV

是XGBoost模型最常用的调参方法,在调参时要注意调参顺序并且要有效设置参数的变化范围,提高效率。受限于暴力搜索的设计逻辑,

GridSearchCV

并不适用于数据量大和超参数数量多的场景。当数据量大时,可以考虑坐标下降方法;当所调超参数数量多时,可以考虑使用随机搜索

RandomizedSearchCV

方法。
总的来说,有效的数据清洗和挖掘、符合使用场景的模型、灵活的训练和调参技巧是提高预测准确度的三大手段。


本文转载自: https://blog.csdn.net/qq_44949041/article/details/128503855
版权归原作者 Dark universe 所有, 如有侵权,请联系我们删除。

“XGBoost模型调参:GridSearchCV方法网格搜索优化参数”的评论:

还没有评论