Regularizace a základní modely v XGBoost

Extreme Gradient Boosting with XGBoost

Sergey Fogelson

Head of Data Science, TelevisaUnivision

Regularizace v XGBoost

Regularizace kontroluje složitost modelu
Cílem jsou přesné a zároveň co nejjednodušší modely
Parametry regularizace v XGBoost:
- gamma – minimální snížení ztráty potřebné pro rozdělení
- alpha – l1 regularizace listových vah, vyšší hodnota = silnější regularizace
- lambda – l2 regularizace listových vah

Příklad l1 regularizace v XGBoost

import xgboost as xgb
import pandas as pd
boston_data = pd.read_csv("boston_data.csv")
X,y = boston_data.iloc[:,:-1],boston_data.iloc[:,-1]

boston_dmatrix = xgb.DMatrix(data=X,label=y)
params={"objective":"reg:squarederror","max_depth":4}

l1_params = [1,10,100]
rmses_l1=[]

for reg in l1_params:
    params["alpha"] = reg
    cv_results = xgb.cv(dtrain=boston_dmatrix, params=params,nfold=4, 
                        num_boost_round=10,metrics="rmse",as_pandas=True,seed=123)
    rmses_l1.append(cv_results["test-rmse-mean"].tail(1).values[0])

print("Best rmse as a function of l1:")
print(pd.DataFrame(list(zip(l1_params,rmses_l1)), columns=["l1","rmse"]))

Best rmse as a function of l1:
        l1          rmse
    0    1  69572.517742
    1   10  73721.967141
    2  100  82312.312413

Základní modely v XGBoost

Lineární základní model:
- Součet lineárních členů
- Výsledný model je váženým součtem lineárních modelů (tedy sám lineární)
- Používá se zřídka
Stromový základní model:
- Rozhodovací strom
- Výsledný model je váženým součtem rozhodovacích stromů (nelineární)
- V XGBoost používán téměř výhradně

Vytváření DataFrames z více stejně dlouhých seznamů

pd.DataFrame(list(zip(list1,list2)),columns=["list1","list2"]))
zip vytváří generátor paralelních hodnot:
- zip([1,2,3],["a","b""c"]) = [1,"a"],[2,"b"],[3,"c"]
- generátory musí být plně instanciovány, než je lze použít v objektech DataFrame
list() plně instanciuje generátor; předáním do DataFrame se převede celý výraz

Pojďme procvičovat!

Extreme Gradient Boosting with XGBoost