Python GPU版本的性能不佳的CPU版本-参数优化

Question

我正在使用XGBoost开发一个欺诈检测模型。

我不能分享数据(对不起)

基于CPU的模型工作良好，并能识别出预期的欺诈行为。

基于GPU的模型识别了较低数量的欺诈行为。

因此，在相同的置信度下，基于GPU的模型识别的欺诈数量要少得多。

这是CPU的参数列表：

params = {"objective":"multi:softprob", 
          'booster':'dart', 
          'max_depth':5, 
          'eta':0.1, 
          'subsample':0.2, 
          'nthread':mp.cpu_count()-1, 
          'eval_metric':'merror', 
          'colsample_bytree':0.2, 
          'num_class':2}

GPU模型培训的参数如下：

params = {"objective":"multi:softprob", 
          'subsample':0.2, 
          'gpu_id':0, 
          'num_class':2, 
          'tree_method':'gpu_hist', 
          'max_depth':5, 
          'eta':0.1, 
          'gamma':1100, 
          'eval_metric':'mlogloss'}

Answer 1

这是由于使用不同的“树”参数。很可能是在使用CPU时使用tree_method='exact'，因为您还没有显式地给出树参数。您可以通过将tree_method='exact'添加到您的CPU params列表中来测试这一点，并检查您是否获得了与没有它相同的良好精度。但是在使用GPU时使用的是tree_method='gpu_hist'。您可以在这里上找到有关所有树方法的更多信息。