Регуляризация и базовые модели в XGBoost

Экстремальный градиентный бустинг с XGBoost

Sergey Fogelson

Head of Data Science, TelevisaUnivision

Регуляризация в XGBoost

Регуляризация контролирует сложность модели
Цель — точные и при этом максимально простые модели
Параметры регуляризации в XGBoost:
- gamma — минимальное снижение ошибки, необходимое для выполнения разбиения
- alpha — L1-регуляризация весов листьев, чем больше значение, тем сильнее регуляризация
- lambda — L2-регуляризация весов листьев

Пример L1-регуляризации в 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

Базовые модели в XGBoost

Линейная базовая модель:
- Сумма линейных членов
- Итоговая модель — взвешенная сумма линейных моделей (и сама является линейной)
- Применяется редко
Древовидная базовая модель:
- Дерево решений
- Итоговая модель — взвешенная сумма деревьев решений (нелинейная)
- Используется в XGBoost почти исключительно

Создание DataFrame из нескольких списков одинаковой длины

pd.DataFrame(list(zip(list1,list2)),columns=["list1","list2"]))
zip создаёт generator из параллельных значений:
- zip([1,2,3],["a","b""c"]) = [1,"a"],[2,"b"],[3,"c"]
- generators необходимо полностью материализовать перед использованием в объектах DataFrame
list() материализует генератор целиком, и передача результата в DataFrame преобразует всё выражение

Давайте потренируемся!

Экстремальный градиентный бустинг с XGBoost