xgboost.sklearn.XGBClassifier和xgboost.XGBClassifier有什么区别？

Question

xgboost.sklearn诉xgboost.XGBClassifier

下面是我尝试从make_moons训练sklearn.datasets数据集的代码，并看到了这些数据集与函数的区别，但结果是相同的：

数据：

from sklearn import datasets
from sklearn import model_selection
X, y = datasets.make_moons(n_samples=100000, noise=0.4, random_state=341)
x_train, x_test, y_train, y_test = model_selection.train_test_split(X, y, test_size=0.2, random_state=431)

分类器：

xgb1 = xgboost.sklearn.XGBClassifier(max_depth=2)
xgb2 = xgboost.XGBClassifier(max_depth=2)

列车部分：

xgb1.fit(x_train, y_train)
xgb2.fit(x_train, y_train)

试验部分：

print(xgb1.score(x_test, y_test))
print(xgb2.score(x_test, y_test))

结果：

xgb1:   0.8626
xgb2:   0.8626

正如你所看到的，结果是一样的，所以，为什么有两种不同的方法来接近呢？如果他们是不同的，你能解释一下有什么不同吗？哪一种更适合使用？我的问题不在于分类器本身，而在于xgboost.sklearn，我想知道我可以只使用xgboost或xgboost.sklearn吗？为什么？

Answer 1

它们完全相同，并为它们的xgboost模型提供了一个scikit-learn API，而不是同样可用的学习API。您可以在源代码中看到，在xgboost中，他们从xgboost.sklearn导入XGBClassifier，这与您使用的第二个模型完全相同。至于要使用的两个类中的哪一个，因为它们完全相同，所以这并不重要，但我可能会使用xgboost.XGBClassifier，因为这是已经在包的顶层公开的类。