Ladění parametru colsample_bytree

Teď přichází na řadu ladění parametru "colsample_bytree". Pokud jsi někdy pracoval/a se RandomForestClassifier nebo RandomForestRegressor ze scikit-learn, možná si ho pamatuješ pod názvem max_features. V xgboost i sklearn tento parametr (i když se jmenuje jinak) jednoduše určuje, jaká část příznaků se vybírá při každém dělení stromu. V xgboost musí mít colsample_bytree hodnotu typu float v rozsahu od 0 do 1.

Toto cvičení je součástí kurzu

Extreme Gradient Boosting with XGBoost

Zobrazit kurz

Pokyny k cvičení

Vytvoř seznam s názvem colsample_bytree_vals, který bude obsahovat hodnoty 0.1, 0.5, 0.8 a 1.
Systematicky měň hodnotu "colsample_bytree" a prováděj křížovou validaci, přesně jako v případě max_depth a eta.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Create your housing DMatrix
housing_dmatrix = xgb.DMatrix(data=X,label=y)

# Create the parameter dictionary
params={"objective":"reg:squarederror","max_depth":3}

# Create list of hyperparameter values: colsample_bytree_vals
____ = ____
best_rmse = []

# Systematically vary the hyperparameter value 
for curr_val in ____:

    ____ = ____
    
    # Perform cross-validation
    cv_results = xgb.cv(dtrain=housing_dmatrix, params=params, nfold=2,
                 num_boost_round=10, early_stopping_rounds=5,
                 metrics="rmse", as_pandas=True, seed=123)
    
    # Append the final round rmse to best_rmse
    best_rmse.append(cv_results["test-rmse-mean"].tail().values[-1])

# Print the resultant DataFrame
print(pd.DataFrame(list(zip(colsample_bytree_vals, best_rmse)), columns=["colsample_bytree","best_rmse"]))

Upravit a spustit kód