python - 使用 python api 和 scikit-learn wapper 的 XGBoost 的不同结果

Question

这里是蘑菇样本数据的例子:

import xgboost as xgb
from sklearn.datasets import load_svmlight_files

X_train, y_train, X_test, y_test = load_svmlight_files(('agaricus.txt.train', 'agaricus.txt.test'))

clf = xgb.XGBClassifier()
param = clf.get_xgb_params()
clf.fit(X_train, y_train)
preds_sk = clf.predict_proba(X_test)

dtrain = xgb.DMatrix(X_train, label=y_train)
dtest = xgb.DMatrix(X_test)
bst = xgb.train(param, dtrain)
preds = bst.predict(dtest)

print preds_sk
print preds

结果是:

[[  9.98860419e-01   1.13956432e-03]
 [  2.97790766e-03   9.97022092e-01]
 [  9.98816252e-01   1.18372787e-03]
 ..., 
 [  1.95205212e-04   9.99804795e-01]
 [  9.98845220e-01   1.15479471e-03]
 [  5.69522381e-04   9.99430478e-01]]

[ 0.21558253  0.7351886   0.21558253 ...,  0.81527805  0.18158565
  0.81527805]

为什么结果不同？似乎所有默认参数值都是相同的。我在这里并不是说 predict_proba 返回 [prob, 1- prob]。

xgboost v0.6、scikit-learn v0.18.1、python 2.7.12

Answer 1

您需要将 num_boost_round 参数直接传递给 xgb.train:

bst = xgb.train(param, dtrain,num_boost_round=param['n_estimators'])

否则它会忽略 param['n_estimators'] 并使用默认数量的估计器，目前 xgb.train 接口(interface)为 10，而 n_estimators 的默认值为 100。