訓練 XGBoost 模型
每種機器學習方法都有可能過度擬合。你將在這個 XGBoost 的例子中看到這點。你依然在處理 Store Item Demand Forecasting Challenge。train DataFrame 已在你的工作空間中可用。
首先，我們用 XGBoost 的學習 API，以不同的超參數組合訓練多個 XGBoost 模型。你要變更的唯一超參數是：
max_depth——樹的最大深度。提高這個值會讓模型更複雜，也更容易過度擬合。
本練習屬於課程
用 Python 拿下 Kaggle 競賽
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
import xgboost as xgb
# Create DMatrix on train data
dtrain = xgb.DMatrix(data=train[['store', 'item']],
label=train['sales'])
# Define xgboost parameters
params = {'objective': 'reg:squarederror',
'____': ____,
'verbosity': 0}
# Train xgboost model
xg_depth_2 = xgb.train(params=params, dtrain=dtrain)