Ajustando colsample_bytree

Agora é hora de ajustar "colsample_bytree". Você já viu isso se alguma vez usou o RandomForestClassifier ou o RandomForestRegressor do scikit-learn, onde ele era chamado de max_features. Tanto no xgboost quanto no sklearn, esse parâmetro (embora com nomes diferentes) simplesmente especifica a fração de features a ser escolhida a cada divisão em uma árvore. No xgboost, colsample_bytree deve ser especificado como um float entre 0 e 1.

Este exercício faz parte do curso

Extreme Gradient Boosting com XGBoost

Ver curso

Instruções do exercício

Crie uma lista chamada colsample_bytree_vals para armazenar os valores 0.1, 0.5, 0.8 e 1.
Varie sistematicamente "colsample_bytree" e faça validação cruzada, exatamente como você fez com max_depth e eta anteriormente.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# 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"]))

Editar e executar o código