Funkcje celu (straty) i podstawowe estymatory

Extreme Gradient Boosting with XGBoost

Sergey Fogelson

Head of Data Science, TelevisaUnivision

Funkcje celu i ich zastosowanie

  • Określa, jak bardzo prognoza odbiega od rzeczywistego wyniku
  • Mierzy różnicę między wartościami szacowanymi a rzeczywistymi dla zbioru danych
  • Cel: znaleźć model minimalizujący wartość funkcji straty
Extreme Gradient Boosting with XGBoost

Typowe funkcje straty i XGBoost

  • Nazwy funkcji straty w xgboost:
    • reg:squarederror - regresja
    • reg:logistic - klasyfikacja, gdy potrzebna jest decyzja, nie prawdopodobieństwo
    • binary:logistic - gdy potrzebne jest prawdopodobieństwo
Extreme Gradient Boosting with XGBoost

Podstawowe estymatory i ich rola

  • XGBoost tworzy metamodel złożony z wielu modeli bazowych, które łącznie dają końcową prognozę
  • Modele bazowe = podstawowe estymatory
  • Połączone estymatory powinny dawać prognozę nieliniową
  • Każdy estymator powinien dobrze przewidywać inną część zbioru danych
  • Dwa rodzaje estymatorów: drzewa i modele liniowe
Extreme Gradient Boosting with XGBoost

Przykład drzew jako estymatorów: API Scikit-learn

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)
Extreme Gradient Boosting with XGBoost

Przykład drzew jako estymatorów: API Scikit-learn

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

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

RMSE: 129043.2314
Extreme Gradient Boosting with XGBoost

Przykład liniowego estymatora: tylko 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)
Extreme Gradient Boosting with XGBoost

Przykład liniowego estymatora: tylko learning API

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

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

RMSE: 124326.24465
Extreme Gradient Boosting with XGBoost

Czas na ćwiczenia!

Extreme Gradient Boosting with XGBoost

Preparing Video For Download...