Objective- (verlies)functies en basislearners

Extreme Gradient Boosting met XGBoost

Sergey Fogelson

Head of Data Science, TelevisaUnivision

Objective-functies en waarom we ze gebruiken

Kwantificeert hoe ver een voorspelling afwijkt van het echte resultaat
Meet het verschil tussen geschatte en ware waarden voor een gegevensverzameling
Doel: vind het model met de minimale waarde van de verliesfunctie

Veelgebruikte verliesfuncties en XGBoost

Namen van verliesfuncties in xgboost:
- reg:squarederror - gebruik voor regressieproblemen
- reg:logistic - gebruik voor classificatie als je alleen een beslissing wilt, geen kans
- binary:logistic - gebruik als je een kans wilt in plaats van alleen een beslissing

Basislearners en waarom we ze nodig hebben

XGBoost bouwt een meta-model van veel individuele modellen die samen de eindvoorspelling geven
Individuele modellen = basislearners
Je wilt basislearners die samen een niet-lineaire eindvoorspelling geven
Elke basislearner moet goed zijn in verschillende delen van de gegevensset onderscheiden/voorspellen
Twee soorten basislearners: tree en linear

Bomen als basislearners: Scikit-learn API

import xgboost as xgb
import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split

boston_data = pd.read_csv("boston_housing.csv")

X, y = boston_data.iloc[:,:-1],boston_data.iloc[:,-1]

X_train, X_test, y_train, y_test= train_test_split(X, y, test_size=0.2, 
                                                        random_state=123)

xg_reg = xgb.XGBRegressor(objective='reg:squarederror', n_estimators=10,
                                                  seed=123)
xg_reg.fit(X_train, y_train)

preds = xg_reg.predict(X_test)

Bomen als basislearners: Scikit-learn API

rmse = np.sqrt(mean_squared_error(y_test,preds))

print("RMSE: %f" % (rmse))

RMSE: 129043.2314

Lineaire basislearners: alleen learning-API

import xgboost as xgb
import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split

boston_data = pd.read_csv("boston_housing.csv")

X, y = boston_data.iloc[:,:-1],boston_data.iloc[:,-1]

X_train, X_test, y_train, y_test= train_test_split(X, y, test_size=0.2, 
                                                         random_state=123)

DM_train = xgb.DMatrix(data=X_train,label=y_train)
DM_test =  xgb.DMatrix(data=X_test,label=y_test)

params = {"booster":"gblinear","objective":"reg:squarederror"}

xg_reg = xgb.train(params = params, dtrain=DM_train, num_boost_round=10)

preds = xg_reg.predict(DM_test)

Lineaire basislearners: alleen learning-API

rmse = np.sqrt(mean_squared_error(y_test,preds))

print("RMSE: %f" % (rmse))

RMSE: 124326.24465

Aan de slag!

Extreme Gradient Boosting met XGBoost