xgboost в R: получение точно таких же значений для train-mlogloss и test-mlogloss

Question

У меня есть обучающая модель xgb, которая предоставляет мне точно такой же mlogloss для обучающих и тестовых данных . Прогнозируемая функция является двоичной (предложение принято: да, нет). Не могли бы вы указать мне правильное направление, чтобы объяснить или исправить эту аномалию? спасибо!

Код

set.seed(1234)
ind<-sample(2, nrow(stream_payment_us), replace = T, prob = c(0.7, 0.3))  #crete two samples
train<-stream_payment_us[ind==1,]
test<-stream_payment_us[ind==2,]

trainm<-sparse.model.matrix(offr_acpted ~ .-1, data = train)
train_label<-train[,"offr_acpted"]
train_matrix<-xgb.DMatrix(data = as.matrix(trainm), label = train_label)

testm<-sparse.model.matrix(offr_acpted ~ .-1, data = test)
test_label<-test[,"offr_acpted"]
test_matrix<-xgb.DMatrix(data = as.matrix(testm), label = test_label)  

nc<-length(unique(train_label))    #2 classes, "yes" and "no" converted to "1", "0"

xgb_params<-list("objective" = "multi:softprob",  
                 "eval_metric" = "mlogloss",
                 "num_class" = nc)

watchlist<-list(train = train_matrix, test = test_matrix)

bst_model<-xgb.train(params = xgb_params,           
                     data = train_matrix,           
                     nrounds = 20,                 
                     watchlist = watchlist,
                     eta = 0.3)

Вывод

[1] train-mlogloss:0.437501 test-mlogloss:0.437502 
[2] train-mlogloss:0.296342 test-mlogloss:0.296284 
[3] train-mlogloss:0.207304 test-mlogloss:0.207318 
[4] train-mlogloss:0.147797 test-mlogloss:0.147791 
[5] train-mlogloss:0.106603 test-mlogloss:0.106615 
[6] train-mlogloss:0.077508 test-mlogloss:0.077495 
[7] train-mlogloss:0.056643 test-mlogloss:0.056639 
[8] train-mlogloss:0.041553 test-mlogloss:0.041551 
[9] train-mlogloss:0.030561 test-mlogloss:0.030565 
[10]    train-mlogloss:0.022528 test-mlogloss:0.022528 
[11]    train-mlogloss:0.016627 test-mlogloss:0.016629 
[12]    train-mlogloss:0.012288 test-mlogloss:0.012287 
[13]    train-mlogloss:0.009086 test-mlogloss:0.009086 
[14]    train-mlogloss:0.006725 test-mlogloss:0.006724 
[15]    train-mlogloss:0.004980 test-mlogloss:0.004979 
[16]    train-mlogloss:0.003688 test-mlogloss:0.003689 
[17]    train-mlogloss:0.002735 test-mlogloss:0.002735 
[18]    train-mlogloss:0.002028 test-mlogloss:0.002028 
[19]    train-mlogloss:0.001505 test-mlogloss:0.001505 
[20]    train-mlogloss:0.001118 test-mlogloss:0.001118