【发布时间】:2020-08-25 18:01:07
【问题描述】:
我一直在研究梯度增强回归树的“手动”版本。我发现错误与 sklearn GradientBoostingRegressor 模块非常吻合,直到我将树构建循环增加到某个值以上。我不确定这是否是我的代码中的错误或表现出来的算法的一个特性,所以我正在寻找一些关于可能发生的事情的指导。下面显示了我使用波士顿房地产市场数据的完整代码清单,下面是我更改循环参数时的输出。
from sklearn import metrics
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeRegressor
from sklearn.datasets import load_boston
X, y = load_boston(return_X_y=True)
X_train,X_test, = train_test_split(X,test_size=0.2,random_state=42)
y_train,y_test, = train_test_split(y,test_size=0.2,random_state=42)
alpha = 0.5
loop = 44
yhi_1=0
ypT=0
for i in range(loop):
dt = DecisionTreeRegressor(max_depth=2, random_state=42)
ri = y_train - yhi_1
dt.fit(X_train, ri)
hi = dt.predict(X_train)
yhi = yhi_1 + alpha * hi
ypi = dt.predict(X_test)*alpha
ypT = ypT + ypi
yhi_1 = yhi
r2Loop= metrics.r2_score(y_test,ypT)
print("dtL: R^2 = ", r2Loop)
from sklearn.ensemble import GradientBoostingRegressor
gbrt = GradientBoostingRegressor(max_depth=2, n_estimators=loop, learning_rate=alpha,random_state=42,init="zero")
gbrt.fit(X_train,y_train)
gbrt.loss
y_pred = gbrt.predict(X_test)
r2GBRT= metrics.r2_score(y_test,y_pred)
print("GBT: R^2 = ", r2GBRT)
print("R2loop - GBT: ", r2Loop - r2GBRT)
当参数loop=44时输出为
dtL: R^2 = 0.8702681499951852
GBT: R^2 = 0.8702681499951852
R2loop - GBT: 0.0
两人同意。如果我将循环参数增加到loop=45 我得到
dtL: R^2 = 0.8726215419913225
GBT: R^2 = 0.8720222156381275
R2loop - GBT: 0.0005993263531949289
两个小数点后 15 到 16 位算法之间的准确度突然跳跃。有什么想法吗?
【问题讨论】:
-
如果您稍微修改您的代码,使其使用built-in Boston 数据而不是外部文件,这可以说是一个好主意,从而使您的代码完全可重现。
-
@desertnaut 我已根据要求从 sklearn 数据集中更新代码。
标签: python scikit-learn gradient-descent