= xgb.XGBRegressor(objective="reg:squarederror")params['eval_metric'] = 'rmse'
params['tree_method
浏览 48提问于2020-12-06得票数 1
回答已采纳
', n_jobs=4, scale_pos_weight=1, seed=27, gsearch1.fit(train_data[predictors], train_data['target'])
即使我使用kvargs={tree_method
浏览 6提问于2017-10-20得票数 1
要使用旧的行为(单机上的精确贪婪算法)，请将tree_method设置为‘exact’。设置为'exact‘，但是每个步骤都抛出错误：clf = xgb.XGBClassifier(tree_method = 'exact')> __init__() got an unexpected keyword argument 'tree_method'
my_pipeline.fit(X_train, Y_train, clf__t
浏览 924提问于2017-05-19得票数 2
我注意到，通过使用默认的tree_method = hist，它的性能始终好于此。然后，当我比较tree_method = gpu_hist和tree_method = hist时，tree_method = hist仍然更快！编辑@Ferdy:我做了一个小实验：
def fit_10_times(<
浏览 8提问于2021-12-17得票数 1
to be 'approx' for faster speed. to use old behavior(exact greedy algorithm on single machine), set tree_method我尝试过clf = xgb(tree_method='exact')，它返回了错误！
浏览 0提问于2017-07-24得票数 1
回答已采纳
我在用xgboost训练我的模型。我解释说，在GPU上使用xgboost进行训练要快得多。由于我有两个GPU的每个，我想使用这两个。实际上，关于这个话题，我有三个问题。当运行时，只有第一个GPU才能工作。我试着设置gpu_id = 1。这很有效，也就是说，另一个GPU完成了这一任务。然后我读到gpu_id = -1会提供解决方案。显然，这一论点不适用于CUDA 10。我也尝试过n_gpus，但这似乎是不可取的。当我在某种循环中调优参数时，这一点变得很重要。一个单一的模型可以很好地融入内存，但不是数百个。
当我更改下一个模型的gpu
浏览 1提问于2019-08-30得票数 3
0.02, max_depth = 12, nthread = -1,它与"hist“作为tree_method
浏览 8提问于2020-03-04得票数 1
回答已采纳
Python版本: 3.5 // xgboost版本: 0.7.post3我正在尝试使用python中的xgboost模块实现增量学习，中的目标变量是二进制。我想我应该设置参数"process_type"："update"。问题是我得到了一个我无法解决的错误。这里，我给出了我的代码的一个示例实现，它使用sklearn中的乳腺癌数据集，这样每个人都可以尝试一下。有人知道我怎样才能防止以下错误的发生吗？import xgboost
X_all = datasets.load_breast_ca
浏览 2提问于2018-03-07得票数 3
回答已采纳
我在一个共享的linux服务器上运行XGBoost (eXtreme梯度增强)，它配备了多个GPU。当我在GPU上运行XGBoost时，XGBoost会自动选择GPU设备0。有人知道我如何使XGBoost选择另一个图形处理器吗？(gpu0通常太忙)
浏览 4提问于2022-06-08得票数 0
回答已采纳
每次我使用以下代码在GPU上运行XGBoost时，内核都会死掉：
params = {'tree_method'：‘gpu_精确’，‘最大深度’：100，‘学习_速率’：0.1} dtrain = xgb.DMatrix
浏览 2提问于2018-11-17得票数 2
1回答
我正在编写一个pytest文件，以检查我的机器学习库是否使用GPU。对于Tensorflow，我可以使用tf.config.list_physical_devices()进行检查。对于XGBoost，到目前为止，我在运行我的软件时通过查看GPU利用率(nvdidia-smi)来检查它。但是如何在一个简单的测试中检查这个呢？类似于我对Tensorflow的测试。import tensorflow as tfpytestmark = pytest.mark
浏览 16提问于2021-12-28得票数 1
我正在研究Kaggle的房屋贷款模式，有趣的是，GradientBoostClassifier的得分比XGBClassifier要好得多。同时，它似乎不太合身。(注意，我运行的都是默认设置的algos )。据我所读到的，XGBClassifier和GradientBoostClassifier是一样的，只是速度更快，更健壮。因此，我现在感到困惑的是，当XGB应该做相反的事情时，它为什么会比GradientBoostClassifier更合适呢？为什么会发生这种事呢？
浏览 0提问于2020-06-18得票数 4
回答已采纳
1回答
class Inner( tree_method}我正在传递这样一个json的输入
输入json val prparamas= CampaignSparkParameters( {“类别”：“x”，“数据”：{“增强器”：“gbtree”，"tree_methodmax_depth":"5"，"max_bin":&
浏览 2提问于2020-02-04得票数 0
learning_rate=0.07, gamma=0, subsample=0.75, colsample_bytree=1, xgb = XGBClassifier(tree_method='gpu_exact',
浏览 0提问于2019-04-15得票数 1
1回答
对助推器(XGBoost)的操作
、、、、
y = dummy_df['D']params = {'eta': 0.06, # learning rate
'tree_method
浏览 2提问于2018-10-29得票数 1
对于特定的评估指标，如何将xgboost.train设置为opitimize，这与设置xgboost.fit(eval_metric = 'auc')的方式类似？
浏览 40提问于2020-02-15得票数 0
AUTO_CLASS_WEIGHTS = true, -- MAX_ITERATIONS = 50,
-- TREE_METHOD
浏览 11提问于2021-02-03得票数 1
云服务器
ICP备案
对象存储
云点播
实时音视频
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号