web-dev-qa-db-ja.com

xgboost（python）でのマルチクラス分類

目的関数「multi：softmax」を使用して、クラスの数または評価メトリックをxgb.XGBClassifierに渡す方法がわかりません。

私は多くのドキュメントを見ましたが、n_class/num_classを受け入れるsklearnラッパーについての話だけです。

私の現在の設定は次のようになります

kf = cross_validation.KFold(y_data.shape[0], \
    n_folds=10, shuffle=True, random_state=30)
err = [] # to hold cross val errors
# xgb instance
xgb_model = xgb.XGBClassifier(n_estimators=_params['n_estimators'], \
    max_depth=params['max_depth'], learning_rate=_params['learning_rate'], \
    min_child_weight=_params['min_child_weight'], \
    subsample=_params['subsample'], \
    colsample_bytree=_params['colsample_bytree'], \
    objective='multi:softmax', nthread=4)

# cv
for train_index, test_index in kf:
    xgb_model.fit(x_data[train_index], y_data[train_index], eval_metric='mlogloss')
    predictions = xgb_model.predict(x_data[test_index])
    actuals = y_data[test_index]
    err.append(metrics.accuracy_score(actuals, predictions))
pythonscikit-learnxgboost
7
user3804483

XGBoost分類のためにscikit-learnAPIでnum_classを設定する必要はありません。 fitが呼び出されると自動的に実行されます。 fitのXGBClassifierメソッドの先頭にある xgboost/sklearn.py を見てください。

    evals_result = {}
    self.classes_ = np.unique(y)
    self.n_classes_ = len(self.classes_)

    xgb_options = self.get_xgb_params()

    if callable(self.objective):
        obj = _objective_decorator(self.objective)
        # Use default value. Is it really not used ?
        xgb_options["objective"] = "binary:logistic"
    else:
        obj = None

    if self.n_classes_ > 2:
        # Switch to using a multiclass objective in the underlying XGB instance
        xgb_options["objective"] = "multi:softprob"
        xgb_options['num_class'] = self.n_classes_
16
Adrien Renaud