Justera colsample_bytree

Nu är det dags att justera "colsample_bytree". Du har säkert stött på den här parametern om du arbetat med scikit-learns RandomForestClassifier eller RandomForestRegressor, där den kallas max_features. I både xgboost och sklearn anger parametern – trots de olika namnen – hur stor andel av särdragen som ska väljas ut vid varje uppdelning i ett givet träd. I xgboost måste colsample_bytree anges som ett flyttal mellan 0 och 1.

Den här övningen är en del av kursen

Extreme Gradient Boosting med XGBoost

Visa kurs

Övningsinstruktioner

Skapa en lista med namnet colsample_bytree_vals som lagrar värdena 0.1, 0.5, 0.8 och 1.
Variera "colsample_bytree" systematiskt och utför korsvalidering, precis som du tidigare gjorde med max_depth och eta.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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"]))

Redigera och kör kod