python - xgb.train 和 xgb.XGBRegressor(或 xgb.XGBClassifier)有什么区别？

Question

我已经知道“xgboost.XGBRegressor 是 XGBoost 的 Scikit-Learn Wrapper 接口(interface)。”

但是它们还有什么不同吗？

Answer 1

xgboost.train是通过梯度提升方法训练模型的低级 API。

xgboost.XGBRegressor 和 xgboost.XGBClassifier 是包装器(Scikit-Learn 类包装器，正如他们所说) DMatrix 并传入相应的目标函数和参数。最后，fit 调用简单地归结为:

self._Booster = train(params, dmatrix,
                      self.n_estimators, evals=evals,
                      early_stopping_rounds=early_stopping_rounds,
                      evals_result=evals_result, obj=obj, feval=feval,
                      verbose_eval=verbose)

这意味着 XGBRegressor 和 XGBClassifier 可以完成的一切都可以通过底层 xgboost.train 完成功能。反过来显然是不正确的，例如，XGBModel API 不支持 xgboost.train 的一些有用参数。显着差异列表包括:

• xgboost.train 允许设置在每次迭代结束时应用的回调。
• xgboost.train 允许通过 xgb_model 参数继续训练。
• xgboost.train 不仅允许 eval 函数的最小化，还允许最大化。