問題タブ [xgboost]

私は新しい Python ユーザーです。以下のリンクから最新の Anaconda 3 2.4.1 (Python 3.5) をダウンロードしました: https://www.continuum.io/downloads

私のPC構成は次のとおりです。Windows 10、64ビット、4GB RAM

Anacondaコマンドプロンプトで「pip install xgboost」が失敗した後、パッケージをダウンロードする正しい方法を見つけるのに何時間も費やしましたが、Anacondaの特定の指示が見つかりませんでした.

Anaconda から xgboost をインストールする方法について誰か助けてもらえますか?

Python xgboostbackage を使い始めました。各トレーニング エポックでトレーニング エラーと検証エラーを取得する方法はありますか? ドキュメントで見つけられない

単純なモデルをトレーニングし、出力を得ました:

[09:17:37] src/tree/updater_prune.cc:74: ツリーの剪定の終了、1 つのルート、124 の余分なノード、0 の剪定されたノード、max_depth=6

[0] eval-rmse:0.407474 train-rmse:0.346349 [09:17:37] src/tree/updater_prune.cc:74: 木の剪定の終了、1 つの根、116 の余分なノード、0 の剪定されたノード、max_depth=6

1 eval-rmse:0.410902 train-rmse:0.339925 [09:17:38] src/tree/updater_prune.cc:74: ツリーの剪定終了、1 ルート、124 余分なノード、0 剪定ノード、max_depth=6

[2] eval-rmse:0.413563 train-rmse:0.335941 [09:17:38] src/tree/updater_prune.cc:74: 木の枝刈り終了、1 根、126 余分なノード、0 枝刈りされたノード、max_depth=6

[3] eval-rmse:0.418412 train-rmse:0.333071 [09:17:38] src/tree/updater_prune.cc:74: ツリーの剪定終了、1 根、114 余分なノード、0 剪定ノード、max_depth=6

ただし、これらeval-rmseをtrain-rmseさらにコードで渡すか、少なくともこれらの曲線をプロットする必要があります。

私はこれらすべての方法に不慣れで、それに対する簡単な答えを得ようとしています。または、誰かがウェブ上のどこかで高レベルの説明に私を導くことができるかどうか. 私のグーグルは、kaggle サンプル コードのみを返しました。

extratree と randomforrest は本質的に同じですか? また、xgboost は、特定のツリーの機能を選択するときにブースティングを使用します。つまり、機能をサンプリングします。では、他の 2 つのアルゴリズムはどのように特徴を選択するのでしょうか?

ありがとう！

私の質問に関連する質問を見たことがありますが、それらの回答はうまくいきませんでした。xgboost パッケージをインストールしようとしていますが、次のエラーが発生しました。

--no-cache-dir、--no-cleanなどのほぼすべてのオプションを試しましたが、同じエラーが発生しました。

これを修正するのを手伝っていただければ幸いです。Github からのインストールを試み、他の方法 (cmd および setup.py スクリプトを使用) を試しましたが、パッケージ全体がインストールされず、xgboost コマンドの一部が機能しませんでした。

pipを使用して他のパッケージをインストールすることに問題はありません.xgboostは、インストールに問題がある唯一のものです.

取得した出力と共に使用したスクリプトを次に示します (すべてのリンクから https:// を削除しました)。

C++ プロジェクトで画像分類に xgboost を使用したいと思います。機能のマトリックス (hist) cv::Mat_ とラベルのベクトル std::vector があります。c++ で xgboost::DMatrix を作成するにはどうすればよいですか? DMatrix::Create() を使用する必要があると思いますが、どのパラメーターを渡せばよいかわかりません。

私はデータ サイエンティストであり、職場で、すべての主要な生産ソリューションには最大でもランダム フォレストが含まれていることを見てきました。

xgboost のような機械学習アルゴリズムを本番環境で使用できないのはなぜですか? なぜ再現性が必要なのですか？

次のコードを使用しようとすると、次のエラーが発生します。

******コード******

******エラー******

マルチクラス分類に XGBClassifier (xgboost) を使用しています。分類子を実行すると、次のようなエラーが表示されます。

このエラーの原因となったコードを以下に示します (params は xgb の有効なパラメーターのセットです)。

少し検索したところ、「num_class」パラメーターは、XGBClassifier の scikit 実装の「n_classes」という名前であることがわかりました。この変更を試みたところ、同様のエラーが発生しました。

このエラーの原因となったコードを以下に示します。

このエラーを修正するための助けをいただければ幸いです!

xgb分類子の評価メトリックとしてscikit-learnのf-scoreを使用しようとしています。これが私のコードです：

しかし、エラーがあります：Can't handle mix of binary and continuous