>我正在使用XGBoost算法运行回归,因为,
clf = XGBRegressor(eval_set = [(X_train, y_train), (X_val, y_val)],
early_stopping_rounds = 10,
n_estimators = 10,
verbose = 50)
clf.fit(X_train, y_train, verbose=False)
print("Best Iteration: {}".format(clf.booster().best_iteration))
它正确地训练自己,但打印函数引发以下错误,
TypeError: 'str' object is not callable
如何获取模型的最佳迭代次数?
此外,如何打印每轮的训练误差?
对于你的类型错误:使用 get_booster(( 而不是 booster((
print("Best Iteration: {}".format(clf.get_booster().best_iteration))
要在预测时使用最佳迭代次数,您需要一个名为ntree_limit
的参数,该参数指定要使用的助推器数量。并且训练过程中产生的值是best_ntree_limit
可以在以下事项中训练模型后调用:clg.get_booster().best_ntree_limit
。更具体地说,在预测时,请使用:
best_iteration = clg.get_booster().best_ntree_limit
predict(data, ntree_limit=best_iteration)
如果在 .fit(( 命令中指定训练和评估过程,则可以打印这些参数
clf.fit(X_train, y_train,
eval_set = [(X_train, y_train), (X_val, y_val)],
eval_metric = 'rmse',
early_stopping_rounds = 10, verbose=True)
注意:early_stopping_rounds参数应位于.fit()
命令中,而不是XGBRegressor()
实例化中。
XGBRegressor()
中的另一个注:verbose = 50
是多余的。verbose
变量应位于.fit()
函数中,并且为 True 或 False。有关 verbose=True 的作用,请阅读此处的详细部分。它直接影响您的第三个问题。
您的错误是XGBRegressor
的booster
属性是一个字符串,用于指定要使用的助推器类型,而不是实际的助推器实例。从文档中:
字符串
指定要使用的助推器:gbtree、gblinear 或 dart。
为了获得实际的助推器,您可以改为调用get_booster()
:
>>> clf.booster
'gbtree'
>>> clf.get_booster()
<xgboost.core.Booster object at 0x118c40cf8>
>>> clf.get_booster().best_iteration
9
>>> print("Best Iteration: {}".format(clf.get_booster().best_iteration))
Best Iteration: 9
我不确定你问题的后半部分,即:
此外,如何打印每轮**的训练误差?
但希望你畅通无阻!