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

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注