r - xgboost:线性 boost 器 gblinear 中使用了哪些参数？

Question

在网上看，我仍然对线性助推器 gblinear 到底是什么感到困惑，我不是 alone .

在 documentation 之后它只有 3 个参数 lambda、lambda_bias 和 alpha - 也许它应该说“附加参数”。

如果我理解正确，那么线性 boost 器会进行(相当标准的)线性 boost (带有正则化)。在这种情况下，我只能理解上面的 3 个参数和 eta( boost 率)。这也是它在 github 上的描述方式.

尽管如此，我发现树参数 gamma、max_depth 和 min_child_weight 也对算法有影响。

这怎么可能？网络上是否有对线性增压器的完全清楚的描述？

看我的例子:

library(xgboost)

data(agaricus.train, package='xgboost')
data(agaricus.test, package='xgboost')
train <- agaricus.train
test <- agaricus.test

然后设置

set.seed(100)
model <- xgboost(data = train$data, label = train$label, nrounds = 5, 
                 objective = "binary:logistic", 
                 params = list(booster = "gblinear", eta = 0.5, lambda = 1, lambda_bias = 1,gamma = 2,
                               early_stopping_rounds = 3))

给予

> [1]   train-error:0.018271  [2]   train-error:0.003071 
> [3]   train-error:0.001075  [4]   train-error:0.001075 
> [5]   train-error:0.000614

当 gamma=1

set.seed(100)
model <- xgboost(data = train$data, label = train$label, nrounds = 5, 
                 objective = "binary:logistic", 
                 params = list(booster = "gblinear", eta = 0.5, lambda = 1, lambda_bias = 1,gamma = 1,
                               early_stopping_rounds = 3))

导致

> [1]   train-error:0.013051  [2]   train-error:0.001842 
> [3]   train-error:0.001075  [4]   train-error:0.001075 
> [5]   train-error:0.001075

这是另一个“路径”。

类似于 max_depth:

set.seed(100)
model <- xgboost(data = train$data, label = train$label, nrounds = 5, 
                 objective = "binary:logistic", 
                 params = list(booster = "gblinear", eta = 0.5, lambda = 1, lambda_bias = 1, max_depth = 3,
                               early_stopping_rounds = 3))

> [1]   train-error:0.016122  [2]   train-error:0.002764 
> [3]   train-error:0.001075  [4]   train-error:0.001075 
> [5]   train-error:0.000768

和

set.seed(100)
model <- xgboost(data = train$data, label = train$label, nrounds = 10, 
                 objective = "binary:logistic", 
                 params = list(booster = "gblinear", eta = 0.5, lambda = 1, lambda_bias = 1, max_depth = 4,
                               early_stopping_rounds = 3))

> [1]   train-error:0.014740  [2]   train-error:0.004453 
> [3]   train-error:0.001228  [4]   train-error:0.000921 
> [5]   train-error:0.000614

Answer 1

我还不如在运行 gblinear 的间隙做一些深蹲，观察结果几乎每次都在变化，并声称做深蹲会对算法产生影响:)

严肃地说，gblinear 目前使用的算法不是您的“相当标准的线性 boost ”。造成随机性的是在每次迭代期间更新梯度时使用无锁并行化('hogwild')。设置种子不会影响任何东西；并且只有在运行单线程 (nthread=1) 时才能获得始终如一的可重现结果。我还建议不要使用使用最大可能数量的 OpenMP 线程的默认 nthread 设置来运行它，因为在许多系统上，它会由于线程拥塞而导致速度大大降低。 nthread 需要不高于物理内核数。

这种自由随机性可能会在某些情况下 boost 预测性能。但是，优点通常不会超过缺点。在某个时候，我将提交一个拉取请求，其中包含一个确定性并行化选项和一个在每个 boost 轮次中对功能选择进行一些额外控制的选项。

有关特定于助推器训练的所有可用参数的基本事实，请参阅 struct GBLinearTrainParam 的来源对于 gblinear 和 struct TrainParam 的来源对于 gbtree。