- c - 在位数组中找到第一个零
- linux - Unix 显示有关匹配两种模式之一的文件的信息
- 正则表达式替换多个文件
- linux - 隐藏来自 xtrace 的命令
我在使用 xgboost 运行逻辑回归时遇到问题,可以在以下示例中进行总结。
假设我有一个非常简单的数据框,其中包含两个预测变量和一个目标变量:
df= pd.DataFrame({'X1' : pd.Series([1,0,0,1]), 'X2' : pd.Series([0,1,1,0]), 'Y' : pd.Series([0,1,1,0], )})
我可以发图片因为我是新来的,但是我们可以清楚地看到当 X1 =1 且 X2=0 时,Y 为 0,而当 X1=0 且 X2=1 时,Y 为 1。
我的想法是建立一个模型,输出观察值属于每个类别的概率,因此如果我运行 xgboost 尝试预测两个新观察值 (1,0) 和 (0,1),如下所示:
X = df[['X1','X2']].values
y = df['Y'].values
params = {'objective': 'binary:logistic',
'num_class': 2
}
clf1 = xgb.train(params=params, dtrain=xgb.DMatrix(X, y), num_boost_round=100)
clf1.predict(xgb.DMatrix(test.values))
输出是:
array([[ 0.5, 0.5],
[ 0.5, 0.5]], dtype=float32)
我想,这意味着对于第一次观察,它属于每个类别的可能性为 50%。
我想知道如果变量之间的关系很清楚,为什么算法不会输出适当的 (1,0) 或更接近它的值。
仅供引用,我确实尝试了更多数据(为简单起见,我只使用了 4 行)并且行为几乎相同;我注意到的是,不仅概率总和不为 1,而且它们通常非常小,如下所示:(此结果在不同的数据集上,与上面的示例无关)
array([[ 0.00356463, 0.00277259],
[ 0.00315137, 0.00268578],
[ 0.00453343, 0.00157113],
最佳答案
好的 - 这是正在发生的事情..
关于它为什么不起作用的线索在于,在较小的数据集中它无法正确训练。我训练了这个精确的模型并观察了所有树木的倾倒,你会发现它们无法 split 。
(下面的树堆)
没有 split ,它们已被修剪!
[1] "booster[0]""0:leaf=-0""booster[1]""0:leaf=-0""booster[2]""0:leaf=-0 “
[7] “助推器[3]” “0:leaf=-0” “助推器[4]” “0:leaf=-0” “助推器[5]” “0:leaf=-0”
[13] “助推器[6]” “0:leaf=-0” “助推器[7]” “0:leaf=-0” “助推器[8]” “0:leaf=-0”
[19] "助推器[9]""0:leaf=-0"
每个叶子的权重都不足以压倒 xgboost
的内部正则化(惩罚它的增长)
这个参数可能会也可能不会从 python 版本访问,但如果你执行 github 安装,你可以从 R
获取它
http://xgboost.readthedocs.org/en/latest/parameter.html
lambda [default=1] L2 regularization term on weights
alpha [default=0] L1 regularization term on weights
基本上这就是为什么您的示例在添加更多数据时训练得更好,但仅使用 4 个示例和默认设置根本无法训练的原因。
关于python - xgboost 二元逻辑回归,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/35136404/
我正在处理一组标记为 160 个组的 173k 点。我想通过合并最接近的(到 9 或 10 个组)来减少组/集群的数量。我搜索过 sklearn 或类似的库,但没有成功。 我猜它只是通过 knn 聚类
我有一个扁平数字列表,这些数字逻辑上以 3 为一组,其中每个三元组是 (number, __ignored, flag[0 or 1]),例如: [7,56,1, 8,0,0, 2,0,0, 6,1,
我正在使用 pipenv 来管理我的包。我想编写一个 python 脚本来调用另一个使用不同虚拟环境(VE)的 python 脚本。 如何运行使用 VE1 的 python 脚本 1 并调用另一个 p
假设我有一个文件 script.py 位于 path = "foo/bar/script.py"。我正在寻找一种在 Python 中通过函数 execute_script() 从我的主要 Python
这听起来像是谜语或笑话,但实际上我还没有找到这个问题的答案。 问题到底是什么? 我想运行 2 个脚本。在第一个脚本中,我调用另一个脚本,但我希望它们继续并行,而不是在两个单独的线程中。主要是我不希望第
我有一个带有 python 2.5.5 的软件。我想发送一个命令,该命令将在 python 2.7.5 中启动一个脚本,然后继续执行该脚本。 我试过用 #!python2.7.5 和http://re
我在 python 命令行(使用 python 2.7)中,并尝试运行 Python 脚本。我的操作系统是 Windows 7。我已将我的目录设置为包含我所有脚本的文件夹,使用: os.chdir("
剧透:部分解决(见最后)。 以下是使用 Python 嵌入的代码示例: #include int main(int argc, char** argv) { Py_SetPythonHome
假设我有以下列表,对应于及时的股票价格: prices = [1, 3, 7, 10, 9, 8, 5, 3, 6, 8, 12, 9, 6, 10, 13, 8, 4, 11] 我想确定以下总体上最
所以我试图在选择某个单选按钮时更改此框架的背景。 我的框架位于一个类中,并且单选按钮的功能位于该类之外。 (这样我就可以在所有其他框架上调用它们。) 问题是每当我选择单选按钮时都会出现以下错误: co
我正在尝试将字符串与 python 中的正则表达式进行比较,如下所示, #!/usr/bin/env python3 import re str1 = "Expecting property name
考虑以下原型(prototype) Boost.Python 模块,该模块从单独的 C++ 头文件中引入类“D”。 /* file: a/b.cpp */ BOOST_PYTHON_MODULE(c)
如何编写一个程序来“识别函数调用的行号?” python 检查模块提供了定位行号的选项,但是, def di(): return inspect.currentframe().f_back.f_l
我已经使用 macports 安装了 Python 2.7,并且由于我的 $PATH 变量,这就是我输入 $ python 时得到的变量。然而,virtualenv 默认使用 Python 2.6,除
我只想问如何加快 python 上的 re.search 速度。 我有一个很长的字符串行,长度为 176861(即带有一些符号的字母数字字符),我使用此函数测试了该行以进行研究: def getExe
list1= [u'%app%%General%%Council%', u'%people%', u'%people%%Regional%%Council%%Mandate%', u'%ppp%%Ge
这个问题在这里已经有了答案: Is it Pythonic to use list comprehensions for just side effects? (7 个答案) 关闭 4 个月前。 告
我想用 Python 将两个列表组合成一个列表,方法如下: a = [1,1,1,2,2,2,3,3,3,3] b= ["Sun", "is", "bright", "June","and" ,"Ju
我正在运行带有最新 Boost 发行版 (1.55.0) 的 Mac OS X 10.8.4 (Darwin 12.4.0)。我正在按照说明 here构建包含在我的发行版中的教程 Boost-Pyth
学习 Python,我正在尝试制作一个没有任何第 3 方库的网络抓取工具,这样过程对我来说并没有简化,而且我知道我在做什么。我浏览了一些在线资源,但所有这些都让我对某些事情感到困惑。 html 看起来
我是一名优秀的程序员,十分优秀!