R: извлечение инициализированных прогнозов в xgboost - PullRequest
Новая
       16

R: извлечение инициализированных прогнозов в xgboost

2 голосов
/ 08 апреля 2020 
library(xgboost)
data(agaricus.train, package='xgboost')
# Initialize baseline predictions to be 0
baseline_predictions <- rep(1.5, nrow(agaricus.train$data))
# base_margin is the base prediction Xgboost will boost from ;
dtrain <- xgb.DMatrix(agaricus.train$data, label = agaricus.train$label, base_margin = baseline_predictions)
param <- list(max_depth = 2, eta = 1, verbose = 0, nthread = 2,
              objective = "binary:logistic", eval_metric = "auc")
bst <- xgb.train(param, dtrain, nrounds = 2)
> xgb.dump(bst, with_stats = T)
 [1] "booster[0]"                                                                    
 [2] "0:[f28<-9.53674316e-07] yes=1,no=2,missing=1,gain=6691.7876,cover=971.39093"   
 [3] "1:[f55<-9.53674316e-07] yes=3,no=4,missing=3,gain=1923.16174,cover=551.54364"  
 [4] "3:leaf=0.742681563,cover=484.427734"                                           
 [5] "4:leaf=-4.93142509,cover=67.1159134"                                           
 [6] "2:[f108<-9.53674316e-07] yes=5,no=6,missing=5,gain=336.239258,cover=419.847321"
 [7] "5:leaf=-5.37396955,cover=411.942535"                                           
 [8] "6:leaf=1.08577335,cover=7.90476274"                                            
 [9] "booster[1]"                                                                    
[10] "0:[f59<-9.53674316e-07] yes=1,no=2,missing=1,gain=1517.97913,cover=354.008148" 
[11] "1:[f66<-9.53674316e-07] yes=3,no=4,missing=3,gain=1250.927,cover=340.298492"   
[12] "3:leaf=0.488599688,cover=338.470062"                                           
[13] "4:leaf=21.6099014,cover=1.82844138"                                            
[14] "2:leaf=-9.71027374,cover=13.709651"

В приведенном выше коде я инициализировал предсказания на 1,5 для всех наблюдений в моих тренировочных данных, указав base_margin = baseline_predictions.

Используя xgb.dump, Я могу видеть результирующие деревья, которые были вписаны. У меня вопрос, возможно ли также извлечь начальные прогнозы? То есть, учитывая модель XGBoost bst, что я могу извлечь базовые прогнозы (т. Е. 1,5 для всех наблюдений)?

1 Ответ

0 голосов
/ 09 апреля 2020

Решением этой проблемы является использование xgboost::getinfo(object = dtrain, name = "base_margin") для получения baseline_predictions. Это полезно независимо от того, установлены ли они заранее на (например, «1,5», как в этом примере), или если baseline_predictions рассчитываются из предварительного тренировочного прогона (например, как в https://github.com/dmlc/xgboost/blob/master/R-package/demo/boost_from_prediction.R)

...