Использование выборочных весов для обучения классификатора xgboost (0.7) - PullRequest
Новая
       14

Использование выборочных весов для обучения классификатора xgboost (0.7)

0 голосов
/ 23 мая 2018

Я пытаюсь использовать sample_weight в XGBClassifier для повышения производительности одной из наших моделей.

Однако кажется, что параметр sample_weight работает не так, как ожидалось.sample_weight очень важно для этой проблемы.Пожалуйста, смотрите мой код ниже.

В принципе, пример модели не учитывает параметр sample_weight - он начинается с AUC 0,5 и падает оттуда, рекомендуя 0 или 1 n_estimators.В исходных данных нет ничего плохого - мы построили очень хорошую модель, используя веса выборки, используя другой инструмент, чтобы получить хороший показатель Джини.

Предоставленные данные выборки не демонстрируют должным образом это поведение, но дают согласованное случайное начальное числоповсюду мы видим, что объекты модели идентичны независимо от того, предоставлен weight / sample_weight или нет.

Я пробовал разные компоненты из библиотеки xbgoost, которые аналогичным образом имеют параметры, в которых можно определять веса, ноне повезло: 

XGBClassifier.fit()
XGBClassifier.train()
Xgboost()
XGB.fit()
XGB.train()
Dmatrix()
XGBGridSearchCV()

Я также попробовал fit_params=fit_params в качестве параметра, а также weight=weight и sample_weight=sample_weight вариации

Код: 

import numpy as np
import pandas as pd
from sklearn.model_selection import train_test_split
from xgboost import XGBClassifier

df = pd.DataFrame(columns = 
['GB_FLAG','sample_weight','f1','f2','f3','f4','f5'])
df.loc[0] = [0,1,2046,10,625,8000,2072]
df.loc[1] = [0,0.86836,8000,10,705,8800,28]
df.loc[2] = [1,1,2303.62,19,674,3000,848]
df.loc[3] = [0,0,2754.8,2,570,16300,46]
df.loc[4] = [1,0.103474,11119.81,6,0,9500,3885]
df.loc[5] = [1,0,1050.83,19,715,3000,-5]
df.loc[6] = [1,0.011098,7063.35,11,713,19700,486]
df.loc[7] = [0,0.972176,6447.16,18,681,11300,1104]
df.loc[8] = [1,0.054237,7461.27,18,0,0,4]
df.loc[9] = [0,0.917026,4600.83,8,0,10400,242]
df.loc[10] = [0,0.670026,2041.8,21,716,11000,3]
df.loc[11] = [1,0.112416,2413.77,22,750,4600,271]
df.loc[12] = [0,0,251.81,17,806,3800,0]
df.loc[13] = [1,0.026263,20919.2,17,684,8100,1335]
df.loc[14] = [0,1,1504.58,15,621,6800,461]
df.loc[15] = [0,0.654429,9227.69,4,0,22500,294]
df.loc[16] = [0,0.897051,6960.31,22,674,5400,188]
df.loc[17] = [1,0.209862,4481.42,18,745,11600,0]
df.loc[18] = [0,1,2692.96,22,651,12800,2035]

y = np.asarray(df['GB_FLAG'])
X = np.asarray(df.drop(['GB_FLAG'], axis=1))

X_traintest, X_valid, y_traintest, y_valid = train_test_split(X, y, 
train_size=0.7, stratify=y, random_state=1337)
traintest_sample_weight = X_traintest[:,0]
valid_sample_weight = X_valid[:,0]

X_traintest = X_traintest[:,1:]
X_valid = X_valid[:,1:]

model = XGBClassifier()
eval_set = [(X_valid, y_valid)]
model.fit(X_traintest, y_traintest, eval_set=eval_set, eval_metric="auc", e 
early_stopping_rounds=50, verbose = True, sample_weight = 
traintest_sample_weight)

Как использовать веса выборки при использовании xgboost для моделирования?

1 Ответ

0 голосов
/ 23 мая 2018

Проблема в том, что весы наборов оценочных данных не распространяются API-интерфейсом sklearn.

Так что вы, похоже, обречены использовать нативный API.Просто замените строки, начинающиеся с вашего model определения, следующим кодом: 

from xgboost import train, DMatrix
trainDmatrix = DMatrix(X_traintest, label=y_traintest, weight=traintest_sample_weight)
validDmatrix = DMatrix(X_valid, label=y_valid, weight=valid_sample_weight)
booster = train({'eval_metric': 'auc'}, trainDmatrix, num_boost_round=100, 
                evals=[(trainDmatrix,'train'), (validDmatrix, 'valid')], early_stopping_rounds=50, 
                verbose_eval=10)

UPD : сообщество xgboost знает об этом, и есть обсуждение и даже PR дляit: https://github.com/dmlc/xgboost/issues/1804. Однако по какой-то причине это никогда не распространялось на v0.71.

UPD2 : после проверки связи с этой проблемой соответствующее обновление кода было восстановлено иPR был объединен с мастером как раз к предстоящему релизу xgboost 0.72 1 июня 2018 года

...