Ottimizzare colsample_bytree

Ora è il momento di ottimizzare "colsample_bytree". Probabilmente l’hai già incontrato se hai usato RandomForestClassifier o RandomForestRegressor di scikit-learn, dove si chiamava max_features. Sia in xgboost che in sklearn, questo parametro (anche se con nomi diversi) indica semplicemente la frazione di feature tra cui scegliere a ogni split in un dato albero. In xgboost, colsample_bytree deve essere un valore float compreso tra 0 e 1.

Questo esercizio fa parte del corso

Extreme Gradient Boosting con XGBoost

Visualizza il corso

Istruzioni dell'esercizio

Crea una lista chiamata colsample_bytree_vals per memorizzare i valori 0.1, 0.5, 0.8 e 1.
Varia in modo sistematico "colsample_bytree" ed esegui la cross-validation, esattamente come hai fatto in precedenza con max_depth ed eta.

Esercizio pratico interattivo

Prova a risolvere questo esercizio completando il codice di esempio.

# 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"]))

Modifica ed esegui il codice