Introduktion till XGBoost

Extreme Gradient Boosting med XGBoost

Sergey Fogelson

Head of Data Science, TelevisaUnivision

Vad är XGBoost?

Optimerat bibliotek för gradientboostning
Ursprungligen skrivet i C++
Har API:er för flera språk:
- Python
- R
- Scala
- Julia
- Java

Varför är XGBoost så populärt?

Snabbhet och prestanda
Kärnalgoritmen är paralleliserbar
Överträffar konsekvent metoder med enskilda algoritmer
Topprestanda i många maskininlärningsuppgifter

XGBoost i praktiken: ett snabbt exempel

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

class_data = pd.read_csv("classification_data.csv")

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

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

xg_cl = xgb.XGBClassifier(objective='binary:logistic', 
        n_estimators=10, seed=123)

xg_cl.fit(X_train, y_train)

preds = xg_cl.predict(X_test)

accuracy = float(np.sum(preds==y_test))/y_test.shape[0]

print("accuracy: %f" % (accuracy))

accuracy: 0.78333

Nu kör vi en övning!

Extreme Gradient Boosting med XGBoost