XGBoost 的正则化与基学习器

使用 XGBoost 的极端梯度提升

Sergey Fogelson

Head of Data Science, TelevisaUnivision

XGBoost 中的正则化

正则化用于控制模型复杂度
期望模型既准确又尽量简单
XGBoost 的正则化参数：
- gamma：分裂所需的最小损失下降
- alpha：叶节点权重的 L1 正则，值越大正则越强
- lambda：叶节点权重的 L2 正则

XGBoost 中的 L1 正则示例

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

XGBoost 的基学习器

线性基学习器：
- 线性项之和
- 提升模型为线性模型的加权和（仍为线性）
- 很少使用
树基学习器：
- 决策树
- 提升模型为决策树的加权和（非线性）
- 在 XGBoost 中几乎专用

由多组等长列表创建 DataFrame

pd.DataFrame(list(zip(list1,list2)),columns=["list1","list2"]))
zip 创建并行值的 generator：
- zip([1,2,3],["a","b""c"]) = [1,"a"],[2,"b"],[3,"c"]
- generators 需先完全实例化，方可用于 DataFrame
使用 list() 实例化生成器，再传入 DataFrame 完成转换

Passons à la pratique !

使用 XGBoost 的极端梯度提升