理解xgboost交叉验证和AUC输出结果

我有一个如下的XGBoost交叉验证模型。

xgboostModelCV <- xgb.cv(data =  dtrain,                              nrounds = 20,                              nfold = 3,                              metrics = "auc",                              verbose = TRUE,                              "eval_metric" = "auc",                             "objective" = "binary:logistic",                              "max.depth" = 6,                              "eta" = 0.01,                                                            "subsample" = 0.5,                              "colsample_bytree" = 1,                             print_every_n = 1,                              "min_child_weight" = 1,                             booster = "gbtree",                             early_stopping_rounds = 10,                             watchlist = watchlist,                             seed = 1234)

我的问题是关于模型的输出和nfold设置,我将nfold设置为3

评估日志的输出如下所示;

   iter train_auc_mean train_auc_std test_auc_mean test_auc_std1     1      0.8852290  0.0023585703     0.8598630  0.0055154242     2      0.9015413  0.0018569007     0.8792137  0.0037651093     3      0.9081027  0.0014307577     0.8859040  0.0050536004     4      0.9108463  0.0011838160     0.8883130  0.0043241135     5      0.9130350  0.0008863908     0.8904100  0.0041731236     6      0.9143187  0.0009514359     0.8910723  0.0043728447     7      0.9151723  0.0010543653     0.8917300  0.0039052848     8      0.9162787  0.0010344935     0.8929013  0.0035827479     9      0.9173673  0.0010539116     0.8935753  0.00343194910   10      0.9178743  0.0011498505     0.8942567  0.00295551111   11      0.9182133  0.0010825702     0.8944377  0.00305141112   12      0.9185767  0.0011846632     0.8946267  0.00302696913   13      0.9186653  0.0013352629     0.8948340  0.00252679314   14      0.9190500  0.0012537195     0.8954053  0.00263638815   15      0.9192453  0.0010967155     0.8954127  0.00284140216   16      0.9194953  0.0009818501     0.8956447  0.00278378717   17      0.9198503  0.0009541517     0.8956400  0.00259086218   18      0.9200363  0.0009890185     0.8957223  0.00258039819   19      0.9201687  0.0010323405     0.8958790  0.00250869520   20      0.9204030  0.0009725742     0.8960677  0.002581329

然而,我设置了nrounds = 20,但交叉验证的nfolds = 3,所以我应该得到60个结果而不是20个吗?

还是说上面的输出正如列名所示,是每轮的AUC平均分数…

所以在nround = 1时,训练集的train_auc_mean是结果0.8852290,这将是3个交叉验证nfolds的平均值?

所以如果我绘制这些AUC分数,我将绘制3折交叉验证的平均AUC分数?

只是想确保一切都清楚明白。


回答:

你是对的,输出是折叠auc的平均值。然而,如果你希望提取最佳/最后迭代的各个折叠auc,你可以按以下方式进行:

使用mlbench中的Sonar数据集的一个示例

library(xgboost)library(tidyverse)library(mlbench)data(Sonar)xgb.train.data <- xgb.DMatrix(as.matrix(Sonar[,1:60]), label = as.numeric(Sonar$Class)-1)param <- list(objective = "binary:logistic")

xgb.cv中设置prediction = TRUE

model.cv <- xgb.cv(param = param,                   data = xgb.train.data,                   nrounds = 50,                   early_stopping_rounds = 10,                   nfold = 3,                   prediction = TRUE,                   eval_metric = "auc")

现在遍历折叠并将预测与真实标签和相应的索引连接起来:

z <- lapply(model.cv$folds, function(x){  pred <- model.cv$pred[x]  true <- (as.numeric(Sonar$Class)-1)[x]  index <- x  out <- data.frame(pred, true, index)  out})

为折叠命名:

names(z) <- paste("folds", 1:3, sep = "_")z %>%  bind_rows(.id = "id") %>%  group_by(id) %>%  summarise(auroc = roc(true, pred) %>%           auc())#output# A tibble: 3 x 2  id      auroc  <chr>   <dbl>1 folds_1 0.9442 folds_2 0.9003 folds_3 0.899

这些值的平均值与最佳迭代的平均auc相同:

z %>%  bind_rows(.id = "id") %>%  group_by(id) %>%  summarise(auroc = roc(true, pred) %>%           auc()) %>%  pull(auroc) %>%  mean#output[1] 0.9143798model.cv$evaluation_log[model.cv$best_iteration,]#output   iter train_auc_mean train_auc_std test_auc_mean test_auc_std1:   48              1             0       0.91438   0.02092817

当然,你可以做更多的事情,比如为每个折叠绘制auc曲线等。

Related Posts

L1-L2正则化的不同系数

我想对网络的权重同时应用L1和L2正则化。然而,我找不…

使用scikit-learn的无监督方法将列表分类成不同组别,有没有办法?

我有一系列实例,每个实例都有一份列表,代表它所遵循的不…

f1_score metric in lightgbm

我想使用自定义指标f1_score来训练一个lgb模型…

通过相关系数矩阵进行特征选择

我在测试不同的算法时,如逻辑回归、高斯朴素贝叶斯、随机…

可以将机器学习库用于流式输入和输出吗?

已关闭。此问题需要更加聚焦。目前不接受回答。 想要改进…

在TensorFlow中,queue.dequeue_up_to()方法的用途是什么?

我对这个方法感到非常困惑,特别是当我发现这个令人费解的…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注