xgboost.train对XGBClassifier

Question

我正在使用python来逐步适应xgboost模型(逐块)。我遇到了一个使用xgboost.train的解决方案，但是我不知道如何处理它返回的Booster对象。例如，XGBClassifier有诸如fit、predict、predict_proba等选项。

下面是我一点一点地在数据中读取的for循环中发生的情况：

dtrain=xgb.DMatrix(X_train, label=y)
param = {'max_depth':2, 'eta':1, 'silent':1, 'objective':'binary:logistic'}
modelXG=xgb.train(param,dtrain,xgb_model='xgbmodel')
modelXG.save_model("xgbmodel")

Answer 1

XGBClassifier是一个与scikit-learn兼容的类，可以与其他scikit学习实用程序一起使用。

除此之外，它只是xgb.train的一个包装器，在这个包装中，您不需要提供高级对象，比如Booster等等。

只需将数据发送到fit()、predict()等，内部就会自动转换为适当的对象。

Answer 2

我不完全确定你的问题是什么。xgb.XGBMClassifier.fit()在幕后调用xgb.train()，所以这是一个匹配相关函数的参数的问题。

如果您对如何实现您心中的学习感兴趣，那么您可以这样做。

clf = xgb.XGBClassifier(**params)
clf.fit(X, y, xgb_model=your_model)

见这里的文件。在每次迭代中，您都必须使用类似于clf.get_booster().save_model(xxx)的东西来保存助推器。

我希望你在小批次中学习，也就是小块，而不是一行行，即逐例学习，因为每次写/读模型会导致性能下降。