Регуляризація та базові учні в XGBoost

Екстремальний градієнтний бустинг з XGBoost

Sergey Fogelson

Head of Data Science, TelevisaUnivision

Регуляризація в XGBoost

Регуляризація керує складністю моделі
Прагнемо моделей водночас точних і якнайпростіших
Параметри регуляризації в XGBoost:
- gamma — мінімальне зменшення втрат, потрібне для поділу
- alpha — l1‑регуляризація ваг листків; що більше значення, то сильніша регуляризація
- lambda — l2‑регуляризація ваг листків

Приклад l1‑регуляризації 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"]))

Найкраще rmse залежно від l1:
        l1          rmse
    0    1  69572.517742
    1   10  73721.967141
    2  100  82312.312413

Базові учні в XGBoost

Лінійний базовий учень:
- Сума лінійних доданків
- Підсилена модель — зважена сума лінійних моделей (отже, теж лінійна)
- Використовується рідко
Деревний базовий учень:
- Рішення деревом
- Підсилена модель — зважена сума дерев рішень (нелінійна)
- Майже завжди використовується в XGBoost

Створення DataFrame з кількох списків однакової довжини

pd.DataFrame(list(zip(list1,list2)),columns=["list1","list2"]))
zip створює generator паралельних значень:
- zip([1,2,3],["a","b""c"]) = [1,"a"],[2,"b"],[3,"c"]
- generators слід повністю створити перед використанням у DataFrame
list() створює повний generator, а передавання його в DataFrame перетворює весь вираз

Давайте потренуємось!

Екстремальний градієнтний бустинг з XGBoost