Regularisering och basmodeller i XGBoost

Extreme Gradient Boosting med XGBoost

Sergey Fogelson

Head of Data Science, TelevisaUnivision

Regularisering i XGBoost

Regularisering begränsar modellens komplexitet
Målet är modeller som är både träffsäkra och så enkla som möjligt
Regulariseringsparametrar i XGBoost:
- gamma – minsta tillåtna förlustminskning för att en uppdelning ska ske
- alpha – l1-regularisering på lövvikter, högre värde ger mer regularisering
- lambda – l2-regularisering på lövvikter

Exempel på l1-regularisering i 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

Basinlärare i XGBoost

Linjär basinlärare:
- Summa av linjära termer
- Den boostade modellen är en viktad summa av linjära modeller (och är därmed själv linjär)
- Används sällan
Trädbaserad basinlärare:
- Beslutsträd
- Den boostade modellen är en viktad summa av beslutsträd (icke-linjär)
- Används nästan uteslutande i XGBoost

Skapa DataFrames från flera listor med samma längd

pd.DataFrame(list(zip(list1,list2)),columns=["list1","list2"]))
zip skapar en generator av parallella värden:
- zip([1,2,3],["a","b""c"]) = [1,"a"],[2,"b"],[3,"c"]
- generators måste instansieras helt innan de kan användas i DataFrame-objekt
list() instansierar hela generatorn och skickar den till DataFrame, vilket konverterar hela uttrycket

Nu kör vi en övning!

Extreme Gradient Boosting med XGBoost