将之前XGBoost的笔记整理在CSDN上。

一、通用参数

一、这些参数用来控制XGBoost的宏观功能。

1、booster[默认gbtree] 选择每次迭代的模型，有两种选择： gbtree：基于树的模型 gbliner：线性模型

2、silent[默认0] 当这个参数值为1时，静默模式开启，不会输出任何信息。一般这个参数就保持默认的0，因为这样能帮我们更好地理解模型。

3、nthread[默认值为最大可能的线程数] 这个参数用来进行多线程控制，应当输入系统的核数。如果你希望使用CPU全部的核，那就不要输入这个参数，算法会自动检测它。还有两个参数，XGBoost会自动设置，目前你不用管它。接下来咱们一起看booster参数。

二、booster参数尽管有两种booster可供选择，我这里只介绍tree booster，因为它的表现远远胜过linear booster，所以linear booster很少用到。

1、eta[默认0.3] 和GBM中的 learning rate 参数类似。通过减少每一步的权重，可以提高模型的鲁棒性。典型值为0.01-0.2。

2、min_child_weight[默认1] 决定最小叶子节点样本权重和。和GBM的 min_child_leaf 参数类似，但不完全一样。XGBoost的这个参数是最小样本权重的和，而GBM参数是最小样本总数。这个参数用于避免过拟合。当它的值较大时，可以避免模型学习到局部的特殊样本。但是如果这个值过高，会导致欠拟合。这个参数需要使用CV来调整。

3、max_depth[默认6] 和GBM中的参数相同，这个值为树的最大深度。这个值也是用来避免过拟合的。max_depth越大，模型会学到更具体更局部的样本。需要使用CV函数来进行调优。典型值：3-10

4、max_leaf_nodes 树上最大的节点或叶子的数量。可以替代max_depth的作用。因为如果生成的是二叉树，一个深度为n的树最多生成n2个叶子。如果定义了这个参数，GBM会忽略max_depth参数。

5、gamma[默认0] 在节点分裂时，只有分裂后损失函数的值下降了，才会分裂这个节点。Gamma指定了节点分裂所需的最小损失函数下降值。这个参数的值越大，算法越保守。这个参数的值和损失函数息息相关，所以是需要调整的。

6、max_delta_step[默认0] 这参数限制每棵树权重改变的最大步长。如果这个参数的值为0，那就意味着没有约束。如果它被赋予了某个正值，那么它会让这个算法更加保守。通常，这个参数不需要设置。但是当各类别的样本十分不平衡时，它对逻辑回归是很有帮助的。这个参数一般用不到，但是你可以挖掘出来它更多的用处。

7、subsample[默认1] 和GBM中的subsample参数一模一样。这个参数控制对于每棵树，随机采样的比例。减小这个参数的值，算法会更加保守，避免过拟合。但是，如果这个值设置得过小，它可能会导致欠拟合。典型值：0.5-1

8、colsample_bytree[默认1] 和GBM里面的max_features参数类似。用来控制每棵随机采样的列数的占比(每一列是一个特征)。典型值：0.5-1

9、colsample_bylevel[默认1] 用来控制树的每一级的每一次分裂，对列数的采样的占比。我个人一般不太用这个参数，因为subsample参数和colsample_bytree参数可以起到相同的作用。但是如果感兴趣，可以挖掘这个参数更多的用处。

10、lambda[默认1] 权重的L2正则化项。(和Ridge regression类似)。这个参数是用来控制XGBoost的正则化部分的。虽然大部分数据科学家很少用到这个参数，但是这个参数在减少过拟合上还是可以挖掘出更多用处的。

11、alpha[默认1] 权重的L1正则化项。(和Lasso regression类似)。可以应用在很高维度的情况下，使得算法的速度更快。

12、scale_pos_weight[默认1] 在各类别样本十分不平衡时，把这个参数设定为一个正值，可以使算法更快收敛。

三、学习目标参数这个参数用来控制理想的优化目标和每一步结果的度量方法。

1、objective[默认reg:linear] 这个参数定义需要被最小化的损失函数。最常用的值有： binary:logistic 二分类的逻辑回归，返回预测的概率(不是类别)。 multi:softmax 使用softmax的多分类器，返回预测的类别(不是概率)。在这种情况下，你还需要多设一个参数：num_class(类别数目)。 multi:softprob 和multi:softmax参数一样，但是返回的是每个数据属于各个类别的概率。

2、eval_metric[默认值取决于objective参数的取值] 对于有效数据的度量方法。对于回归问题，默认值是rmse，对于分类问题，默认值是error。典型值有： rmse 均方根误差(∑Ni=1ϵ2N−−−−−√) mae 平均绝对误差(∑Ni=1|ϵ|N) logloss 负对数似然函数值 error 二分类错误率(阈值为0.5) merror 多分类错误率 mlogloss 多分类logloss损失函数 auc 曲线下面积

3、seed(默认0) 随机数的种子设置它可以复现随机数据的结果，也可以用于调整参数

Python的XGBoost模块有一个sklearn包，XGBClassifier。这个包中的参数是按sklearn风格命名的。会改变的函数名是：

1、eta -> learning_rate

2、lambda -> reg_lambda

3、alpha -> reg_alpha

二、引入必要包

编译环境python2.7

import numpy as np
import pandas as pd
from xgboost.sklearn import XGBClassifier
from sklearn import  metrics
import xgboost as xgb
from sklearn.grid_search import GridSearchCV from sklearn.preprocessing import MinMaxScaler   #最大最小归一化
from sklearn.preprocessing import StandardScaler   #标准化
from sklearn.model_selection import train_test_split     #划分数据集
from sklearn.model_selection import cross_val_score
import matplotlib.pyplot as plt

三、读入文件并划分数据集

data=pd.read_csv('D:\data.csv',header=None)
#0-10列为特征
X=data.iloc[:,:11]
#第11列为标签
y=data.iloc[:,11]
params=[ 1, 4,  6, 7, 8, 9,10]
X=X[params]
mydict={5:0,6:1}
y=y.replace(mydict)
'''
data= pd.read_csv("G:/feature_code/wine_data.csv",header=None)
#0-10列为特征
X=data.iloc[:,:13]
#第11列为标签
y=data.iloc[:,13]
'''#划分训练集和测试集
X_train,X_test,y_train,y_test=train_test_split(X,y,test_size=0.3,random_state=0)
#此处采用最大最小归一化， 可以换成StandardScaler()归一化方法,如果用StandardScaler()方法的话，则不能使用MultinomialNB()模型
ss=MinMaxScaler()
#ss=StandardScaler()
X_train=ss.fit_transform(X_train)
X_test=ss.transform(X_test)

四、参数调优的一般方法

第一步：确定学习速率和tree_based 参数调优的估计器数目

为了确定boosting参数，我们要先给其它参数一个初始值。咱们先按如下方法取值：

1、max_depth = 5 :这个参数的取值最好在3-10之间。我选的起始值为5，但是你也可以选择其它的值。起始值在4-6之间都是不错的选择。

2、min_child_weight = 1:在这里选了一个比较小的值，因为这是一个极不平衡的分类问题。因此，某些叶子节点下的值会比较小。

3、gamma = 0: 起始值也可以选其它比较小的值，在0.1到0.2之间就可以。这个参数后继也是要调整的。

4、subsample, colsample_bytree = 0.8: 这个是最常见的初始值了。典型值的范围在0.5-0.9之间。

5、scale_pos_weight = 1: 这个值是因为类别十分不平衡。

评分函数如下，cvresult.shape[0]是其中我们用的树的个数，cvresult的结果是一个DataFrame.

def tun_parameters(train_x,train_y):  #通过这个函数，确定树的个数xgb1 = XGBClassifier(learning_rate=0.1,n_estimators=1000,max_depth=5,min_child_weight=1,gamma=0,subsample=0.8,  colsample_bytree=0.8,objective= 'binary:logistic',scale_pos_weight=1,seed=27)  modelfit(xgb1,train_x,train_y)  def modelfit(alg,X, y,useTrainCV=True, cv_folds=5, early_stopping_rounds=50):if useTrainCV:xgb_param = alg.get_xgb_params()xgtrain = xgb.DMatrix(X, label=y)cvresult = xgb.cv(xgb_param, xgtrain, num_boost_round=alg.get_params()['n_estimators'], nfold=cv_folds,metrics='auc', early_stopping_rounds=early_stopping_rounds)alg.set_params(n_estimators=cvresult.shape[0])#Fit the algorithm on the dataalg.fit(X, y,eval_metric='auc')#Predict training set:dtrain_predictions = alg.predict(X)dtrain_predprob = alg.predict_proba(X)[:,1]#Print model report:print "\nModel Report"print "Accuracy : %.4g" % metrics.accuracy_score(y, dtrain_predictions)print "AUC Score (Train): %f" % metrics.roc_auc_score(y, dtrain_predprob)feat_imp = pd.Series(alg.booster().get_fscore()).sort_values(ascending=False)feat_imp.plot(kind='bar', title='Feature Importances')plt.ylabel('Feature Importance Score')plt.show()print ('n_estimators=',cvresult.shape[0])
tun_parameters(X_train,y_train)

得到的结果如下：

Model Report
Accuracy : 0.9932
AUC Score (Train): 0.999483

('n_estimators=', 149)

由以上可以得知，n_estimators在149附近得分较高，这里我们定为160。

第二步： max_depth 和 min_child_weight 参数调优

param_test1 = {'max_depth':range(3,10,1),'min_child_weight':range(1,6,1)
}
gsearch1 = GridSearchCV(estimator = XGBClassifier(learning_rate =0.1, n_estimators=160, max_depth=5,
min_child_weight=1, gamma=0, subsample=0.8,colsample_bytree=0.8,\objective= 'binary:logistic', nthread=8,scale_pos_weight=1, seed=27), param_grid = param_test1,scoring='roc_auc',n_jobs=-1,iid=False, cv=5)
gsearch1.fit(X_train,y_train)
gsearch1.grid_scores_, gsearch1.best_params_,     gsearch1.best_score_

输出结果：

([mean: 0.82976, std: 0.03871, params: {'max_depth': 3, 'min_child_weight': 1},mean: 0.82267, std: 0.03838, params: {'max_depth': 3, 'min_child_weight': 2},mean: 0.82381, std: 0.03256, params: {'max_depth': 3, 'min_child_weight': 3},mean: 0.82485, std: 0.03624, params: {'max_depth': 3, 'min_child_weight': 4},mean: 0.82675, std: 0.03886, params: {'max_depth': 3, 'min_child_weight': 5},mean: 0.83304, std: 0.03457, params: {'max_depth': 4, 'min_child_weight': 1},mean: 0.82880, std: 0.03161, params: {'max_depth': 4, 'min_child_weight': 2},mean: 0.82728, std: 0.03785, params: {'max_depth': 4, 'min_child_weight': 3},mean: 0.82573, std: 0.03456, params: {'max_depth': 4, 'min_child_weight': 4},mean: 0.82602, std: 0.03530, params: {'max_depth': 4, 'min_child_weight': 5},mean: 0.84278, std: 0.03508, params: {'max_depth': 5, 'min_child_weight': 1},mean: 0.83271, std: 0.03385, params: {'max_depth': 5, 'min_child_weight': 2},mean: 0.83704, std: 0.03842, params: {'max_depth': 5, 'min_child_weight': 3},mean: 0.83135, std: 0.03563, params: {'max_depth': 5, 'min_child_weight': 4},mean: 0.83296, std: 0.03596, params: {'max_depth': 5, 'min_child_weight': 5},mean: 0.84567, std: 0.03272, params: {'max_depth': 6, 'min_child_weight': 1},mean: 0.84004, std: 0.03596, params: {'max_depth': 6, 'min_child_weight': 2},mean: 0.84208, std: 0.03857, params: {'max_depth': 6, 'min_child_weight': 3},mean: 0.83590, std: 0.03457, params: {'max_depth': 6, 'min_child_weight': 4},mean: 0.83589, std: 0.03384, params: {'max_depth': 6, 'min_child_weight': 5},mean: 0.84671, std: 0.03359, params: {'max_depth': 7, 'min_child_weight': 1},mean: 0.84859, std: 0.03605, params: {'max_depth': 7, 'min_child_weight': 2},mean: 0.83874, std: 0.03580, params: {'max_depth': 7, 'min_child_weight': 3},mean: 0.83764, std: 0.03310, params: {'max_depth': 7, 'min_child_weight': 4},mean: 0.83819, std: 0.03368, params: {'max_depth': 7, 'min_child_weight': 5},mean: 0.85194, std: 0.02960, params: {'max_depth': 8, 'min_child_weight': 1},mean: 0.84527, std: 0.03501, params: {'max_depth': 8, 'min_child_weight': 2},mean: 0.84182, std: 0.03419, params: {'max_depth': 8, 'min_child_weight': 3},mean: 0.84404, std: 0.03891, params: {'max_depth': 8, 'min_child_weight': 4},mean: 0.83545, std: 0.03571, params: {'max_depth': 8, 'min_child_weight': 5},mean: 0.85286, std: 0.03072, params: {'max_depth': 9, 'min_child_weight': 1},mean: 0.84223, std: 0.03226, params: {'max_depth': 9, 'min_child_weight': 2},mean: 0.84194, std: 0.03670, params: {'max_depth': 9, 'min_child_weight': 3},mean: 0.83782, std: 0.03854, params: {'max_depth': 9, 'min_child_weight': 4},mean: 0.83986, std: 0.03436, params: {'max_depth': 9, 'min_child_weight': 5}],{'max_depth': 9, 'min_child_weight': 1},0.8528642989777853)

第三步：gamma参数调优

param_test3 = {  'gamma': [i / 10.0 for i in range(0, 5)]
}
gsearch3 = GridSearchCV(  estimator=XGBClassifier(learning_rate=0.1, n_estimators=160, max_depth=9, min_child_weight=1, gamma=0,  subsample=0.8, colsample_bytree=0.8, objective='binary:logistic', nthread=8,  scale_pos_weight=1, seed=27), param_grid=param_test3, scoring='roc_auc', n_jobs=-1,  iid=False, cv=5)
gsearch3.fit(X_train,y_train)
gsearch3.grid_scores_, gsearch3.best_params_, gsearch3.best_score_

([mean: 0.85286, std: 0.03072, params: {'gamma': 0.0},mean: 0.85098, std: 0.03405, params: {'gamma': 0.1},mean: 0.84811, std: 0.03470, params: {'gamma': 0.2},mean: 0.84774, std: 0.03139, params: {'gamma': 0.3},mean: 0.85163, std: 0.03478, params: {'gamma': 0.4}],{'gamma': 0.0},0.8528642989777853)

第四步：调整subsample 和 colsample_bytree 参数

param_test4 = {  'subsample': [i / 10.0 for i in range(6, 10)],  'colsample_bytree': [i / 10.0 for i in range(6, 10)]
}  gsearch4 = GridSearchCV(  estimator=XGBClassifier(learning_rate=0.1, n_estimators=160, max_depth=9, min_child_weight=1, gamma=0.0,  subsample=0.8, colsample_bytree=0.8, objective='binary:logistic', nthread=8,  scale_pos_weight=1, seed=27), param_grid=param_test4, scoring='roc_auc', n_jobs=-1,  iid=False, cv=5)  gsearch4.fit(X_train,y_train)
gsearch4.grid_scores_, gsearch4.best_params_, gsearch4.best_score_

([mean: 0.85143, std: 0.02386, params: {'subsample': 0.6, 'colsample_bytree': 0.6},mean: 0.84930, std: 0.03307, params: {'subsample': 0.7, 'colsample_bytree': 0.6},mean: 0.85171, std: 0.02794, params: {'subsample': 0.8, 'colsample_bytree': 0.6},mean: 0.84891, std: 0.03152, params: {'subsample': 0.9, 'colsample_bytree': 0.6},mean: 0.85143, std: 0.02386, params: {'subsample': 0.6, 'colsample_bytree': 0.7},mean: 0.84930, std: 0.03307, params: {'subsample': 0.7, 'colsample_bytree': 0.7},mean: 0.85171, std: 0.02794, params: {'subsample': 0.8, 'colsample_bytree': 0.7},mean: 0.84891, std: 0.03152, params: {'subsample': 0.9, 'colsample_bytree': 0.7},mean: 0.84747, std: 0.03242, params: {'subsample': 0.6, 'colsample_bytree': 0.8},mean: 0.85011, std: 0.03286, params: {'subsample': 0.7, 'colsample_bytree': 0.8},mean: 0.85286, std: 0.03072, params: {'subsample': 0.8, 'colsample_bytree': 0.8},mean: 0.85603, std: 0.03126, params: {'subsample': 0.9, 'colsample_bytree': 0.8},mean: 0.85209, std: 0.03343, params: {'subsample': 0.6, 'colsample_bytree': 0.9},mean: 0.84802, std: 0.03122, params: {'subsample': 0.7, 'colsample_bytree': 0.9},mean: 0.84961, std: 0.03265, params: {'subsample': 0.8, 'colsample_bytree': 0.9},mean: 0.85207, std: 0.03004, params: {'subsample': 0.9, 'colsample_bytree': 0.9}],{'colsample_bytree': 0.8, 'subsample': 0.9},0.856033966896773)

第五步：正则化参数调优 reg_alpha和reg_lambda(这里只调了reg_alpha)

param_test6 = {  'reg_alpha':[1e-5,1e-4,1e-3, 1e-2, 0.1, 1, 100]
}
gsearch6 = GridSearchCV(estimator = XGBClassifier( learning_rate =0.1, n_estimators=160, max_depth=9, min_child_weight=1, gamma=0.0, subsample=0.9, colsample_bytree=0.8, objective= 'binary:logistic', nthread=8, scale_pos_weight=1,seed=27), param_grid = param_test6, scoring='roc_auc',n_jobs=-1,iid=False, cv=5)
gsearch6.fit(X_train,y_train)
gsearch6.grid_scores_, gsearch6.best_params_, gsearch6.best_score_

上述训练过程中，可以针对具体参数进行更细致的调优。用以上调好的参数代入模型，并降低模型学习率learning_rate=0.01增大n_estimators=5000，如果计算能力允许的条件下，可以进一步降低学习率。训练好的模型的准确率和AUC得分相对于之前都有提高。

def tun_parameters2(train_x,train_y):  #通过这个函数，确定树的个数xgb1 = XGBClassifier(learning_rate =0.01, n_estimators=5000, max_depth=9, min_child_weight=1, gamma=0.0, subsample=0.9, colsample_bytree=0.8,reg_alpha= 1e-05, objective= 'binary:logistic', nthread=8,scale_pos_weight=1,seed=27)modelfit(xgb1,train_x,train_y)
tun_parameters2(X_train,y_train)

Model Report
Accuracy : 0.9989
AUC Score (Train): 0.999979

('n_estimators=', 630)

切记：

特征决定上限，调参只是帮助我们逼近这个上限而已

XGBoost调参笔记相关推荐

棋牌游戏用户流失预测——Xgboost调参
一.项目介绍本项目通过对棋牌游戏数据的探索,通过python数据处理以及可视化,最后进行数据建模预测,整个项目分为项目目的的确定.数据的预处理.对数据的分析和项目总结这五个部分. 二.项目流程项目 ...
xgboost调参指南
python机器学习-乳腺癌细胞数据挖掘 https://study.163.com/course/introduction.htm?courseId=1005269003&utm_campa ...
Xgboost调参小结
XGBoost全称是eXtreme Gradient Boosting,由陈天奇所设计,和传统的梯度提升算法相比,XGBoost进行了许多改进,它能够比其他使用梯度提升的集成算法更加快速.关于xg ...
XGBoost调参技巧（二）Titanic实战Top9%
学习Kaggle的第一个比赛就是Titanic,断断续续的半年时间,从小白到杀入9%.XGBoost果真是Kaggle杀器,帮我在Titanic中进入9%.zillow进入22%. 简介 Titani ...
《南溪的目标检测学习笔记》——夏侯南溪的CNN调参笔记，加油
1 致谢感谢赵老师的教导! 感谢张老师的指导! 2 调参目标在COCO数据集上获得mAP>=10.0的模型,现在PaddleDetection上的Anchor-Free模型[TTFNet]的 ...
xgboost调参大法
了解偏差-方差权衡(Bias-Variance Tradeoff) 在机器学习df或统计课程中,偏差方差权衡可能是最重要的概念之一.当我们允许模型变得更加复杂(例如,更大的深度)时,模型具有更好的适应 ...
python xgboost调参_XGBoost从原理到调参
承接上文挂枝儿:再从GBDT到XGBoost!zhuanlan.zhihu.com 理解了原理,那么接下来就要开始学习怎么调参了,之前做模型的时候用xgboost比较简单粗暴跟着教程一顿乱fit,但 ...
python xgboost调参_XGBoost完全调参指南(Python)
花了三四天学习XGBoost,这篇文章教会了我如何调参.我把文章的主要内容作翻译和摘录,也算是为XGboost中文社区贡献一份资源. 前言 XGBoost中的算法已经成为了许多数据科学家的终极武器了! ...
xgboost 调参经验
本文介绍三部分内容: - xgboost 基本方法和默认参数 - 实战经验中调参方法 - 基于实例具体分析 1.xgboost 基本方法和默认参数在训练过程中主要用到两个方法:xgboost.tra ...

XGBoost调参笔记

一、通用参数

二、引入必要包

三、读入文件并划分数据集

四、参数调优的一般方法

切记：

XGBoost调参笔记相关推荐

最新文章

热门文章