【发布时间】:2018-11-22 06:34:30
【问题描述】:
我想将 XGBoost 模型与 PCA 的输入缩放和特征空间缩减相结合。此外,模型的超参数以及 PCA 中使用的组件数量应使用交叉验证进行调整。并且为了防止模型过度拟合,应该添加提前停止。
为了结合各个步骤,我决定使用 sklearn 的 Pipeline 功能。
一开始,我在确保 PCA 也应用于验证集时遇到了一些问题。但我认为使用XGB__eval_set 可以达成交易。
代码实际上运行没有任何错误,但似乎永远运行(在某些时候所有内核的 CPU 使用率下降到零,但进程继续运行数小时;不得不在某个时候终止会话)。
from sklearn.model_selection import GridSearchCV, train_test_split
from sklearn.decomposition import PCA
from sklearn.pipeline import Pipeline
from sklearn.preprocessing import StandardScaler
from xgboost import XGBRegressor
# Train / Test split
X_train, X_test, y_train, y_test = train_test_split(X_with_features, y, test_size=0.2, random_state=123)
# Train / Validation split
X_train, X_val, y_train, y_val = train_test_split(X_train, y_train, test_size=0.2, random_state=123)
# Pipeline
pipe = Pipeline(steps=[("Scale", StandardScaler()),
("PCA", PCA()),
("XGB", XGBRegressor())])
# Hyper-parameter grid (Test only)
grid_param_pipe = {'PCA__n_components': [5],
'XGB__n_estimators': [1000],
'XGB__max_depth': [3],
'XGB__reg_alpha': [0.1],
'XGB__reg_lambda': [0.1]}
# Grid object
grid_search_pipe = GridSearchCV(estimator=pipe,
param_grid=grid_param_pipe,
scoring="neg_mean_squared_error",
cv=5,
n_jobs=5,
verbose=3)
# Run CV
grid_search_pipe.fit(X_train, y_train, XGB__early_stopping_rounds=10, XGB__eval_metric="rmse", XGB__eval_set=[[X_val, y_val]])
【问题讨论】:
-
将管道转换应用于验证集以提前停止似乎并非易事,我怀疑仅
XGB__eval_set就足够了。请参阅此 sklearn 问题 github.com/scikit-learn/scikit-learn/issues/8414,了解管道步骤子集的建议应用 -
pop关闭最后一个管道步骤(分类器)并不难,在您的数据上调用transform,然后重新附加分类器。挑战在于使用 CV 来完成,而您的早期停止集不是您的验证集。这可能需要自定义GridSearchCV
标签: python scikit-learn pca xgboost grid-search