训练 XGBoost 模型
每种机器学习方法都有可能过拟合。您将通过 XGBoost 的示例看到这一点。我们仍然使用 Store Item Demand Forecasting Challenge 的数据。train DataFrame 已在您的工作空间中可用。
首先，使用 XGBoost 的学习 API 训练多组超参数的多个模型。本练习中，您只需调整一个超参数：
max_depth—— 树的最大深度。增大该值会使模型更复杂，也更容易过拟合。
本练习是课程的一部分
用 Python 赢下 Kaggle 竞赛
交互式实操练习
通过完成这段示例代码来试试这个练习。
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)