Eu sou um novato no XGBoost, então perdoe minha ignorância. Aqui está o código python:
import pandas as pd
import xgboost as xgb
df = pd.DataFrame({'x':[1,2,3], 'y':[10,20,30]})
X_train = df.drop('y',axis=1)
Y_train = df['y']
T_train_xgb = xgb.DMatrix(X_train, Y_train)
params = {"objective": "reg:linear"}
gbm = xgb.train(dtrain=T_train_xgb,params=params)
Y_pred = gbm.predict(xgb.DMatrix(pd.DataFrame({'x':[4,5]})))
print Y_predA saída é:
[ 24.126194 24.126194]Como você pode ver, os dados de entrada são simplesmente uma linha reta. Então a saída que eu espero é [40,50]. O que eu estou fazendo errado aqui?
python
linear-regression
xgboost
simplfuzz
fonte
fonte
Respostas:
Parece que o XGBoost usa árvores de regressão como alunos básicos por padrão. O XGBoost (ou aprimoramento de gradiente em geral) funciona combinando vários desses alunos de base. As árvores de regressão não podem extrapolar os padrões nos dados de treinamento; portanto, qualquer entrada acima de 3 ou abaixo de 1 não será prevista corretamente no seu caso. Seu modelo é treinado para prever saídas para entradas no intervalo
[1,3], uma entrada maior que 3 receberá a mesma saída que 3 e uma entrada menor que 1 receberá a mesma saída que 1.Além disso, as árvores de regressão realmente não veem seus dados como uma linha reta , pois são modelos não paramétricos, o que significa que eles podem, teoricamente, ajustar-se a qualquer forma que seja mais complicada do que uma linha reta. Aproximadamente, uma árvore de regressão funciona atribuindo seus novos dados de entrada a alguns dos pontos de dados de treinamento vistos durante o treinamento e produzindo a saída com base nisso.
Isso contrasta com os regressores paramétricos (como regressão linear ) que, na verdade, procuram os melhores parâmetros de um hiperplano (linha reta no seu caso) para ajustar seus dados. Regressão linear faz ver os seus dados como uma linha reta com uma inclinação e uma interceptação.
Você pode alterar o aluno base do seu modelo XGBoost para um GLM (modelo linear generalizado) adicionando
"booster":"gblinear"ao seu modeloparams:Em geral, para depurar por que seu modelo XGBoost está se comportando de uma maneira específica, consulte os parâmetros do modelo:
Se o aluno básico for um modelo linear, a saída get_dump será:
No seu código acima, como você aprende a base de árvores, a saída será:
Dica: Na verdade, prefiro usar as classes xgb.XGBRegressor ou xgb.XGBClassifier, pois seguem a API de aprendizado do sci-kit . E como o sci-kit learn tem tantas implementações de algoritmos de aprendizado de máquina, o uso do XGB como uma biblioteca adicional não perturba meu fluxo de trabalho somente quando eu uso a interface do sci-kit do XGBoost.
fonte
"booster":"gblinear"viaxgb.XGBRegressorgblinearbooster?