我正在尝试使用下面的参数来训练XGBoost模型:
xgb_params = {
'objective': 'binary:logistic',
'eval_metric': 'auc',
'lambda': 0.8,
'alpha': 0.4,
'max_depth': 10,
'max_delta_step': 1,
'verbose': True
}
由于我的输入数据太大,无法完全加载到内存中,因此我采用增量训练:
xgb_clf = xgb.train(xgb_params, input_data, num_boost_round=rounds_per_batch,
xgb_model=model_path)
预测的代码是
xgb_clf = xgb.XGBClassifier()
booster = xgb.Booster()
booster.load_model(model_path)
xgb_clf._Booster = booster
raw_probas = xgb_clf.predict_proba(x)
结果似乎不错。但是当我试图调用xgb_clf.get_xgb_params()
时,我得到了一个param dict,其中所有参数都设置为默认值。
我猜根本原因是当我初始化模型时,我没有传入任何参数。因此,该模型是使用默认值初始化的,但是当它进行预测时,它使用了一个内部的升压器,该升压器使用了一些预定义的参数进行拟合。
但是,我想知道,在我给XGBClassifier分配一个预先训练好的booster模型之后,是否有任何方法可以看到用于训练booster的实际参数,而不是用于初始化分类器的参数。
谢谢大家。
您似乎在代码中混合了sklearn API和函数API,如果您坚持使用其中任何一个,那么您应该获得参数以在pickle中持久化。下面是一个使用sklearn API的示例。
产生
相关问题 更多 >
编程相关推荐