num_boost_round 和 n_estimators 有什么区别答案

【问题标题】：What is the difference between num_boost_round and n_estimatorsnum_boost_round 和 n_estimators 有什么区别
【发布时间】：2021-08-26 13:49:22
【问题描述】：

我看到有些xgboost方法带一个参数num_boost_round，像这样：

model = xgb.cv(params, dtrain,  num_boost_round=500, early_stopping_rounds=100)

其他人则像这样使用n_estimators：

model_xgb = xgb.XGBRegressor(n_estimators=360, max_depth=2, learning_rate=0.1)

据我了解，每次应用提升都会创建一个新的估算器。这也不对吗？

如果是这样，那么数字num_boost_round 和n_estimators 应该相等，对吧？

【问题讨论】：

是的，你是对的。请看以下问题：How to get Predictions with XGBoost and XGBoost using Scikit-Learn Wrapper to match?

标签： python xgboost

【解决方案1】：

是的，它们是相同的，都引用相同的参数（see the docs here 或 the github issue）。

不同名字的原因是因为xgb.XGBRegressor是scikit-learn API的一个实现；而 scikit-learn 通常使用n_estimators 来指代提升阶段的数量（例如GradientBoostingClassifier）

【讨论】：

xgboost 的作者在 xgbclassfier 和 num_boost_round 中也使用了n_estimators，知道为什么在同一个 api 中他想这样做。 :(
我在同一个优化过程中不小心将它们都设置为很高的数字，优化时间似乎成倍增加。我想知道将它们都设置为 1000 是否等同于将增强轮数设置为一百万。

【解决方案2】：

XGBoost 原生 API 中的 num_parallel_tree 等价于 n_estimators。

【讨论】：