我对R中的ml和尝试构建一个10倍交叉验证的xgboost模型是相当陌生的。我在这里看到了文档： https://www.rdocumentation.org/packages/xgboost/versions/1.1.1.1/topics/xgb.cv 然而，在这个示例中，它纯粹使用训练数据任何使用过这个包的人都能帮助我理解这个交叉验证模型是如何测试的吗？ 谢谢
浏览 22提问于2020-07-24得票数 0
回答已采纳
R中几乎所有的机器学习包/函数都允许您在训练模型时获得交叉验证性能指标。据我所知，使用xgboost进行交叉验证的唯一方法是像这样设置一条xgb.cv语句： nthread = 2,)
但是，即使<em
浏览 5提问于2016-04-10得票数 0
1回答
XGBoost的xgb.train()方法采用一个learning_rates参数，根据当前的训练周期，该参数可以使用自定义函数来应用动态学习率。我最近发布了一个解释我是如何使用它的文件，它既能在开始时加快训练速度，又能在最后更加精确地进行训练。所以我的
浏览 0提问于2016-11-13得票数 0
我最近发现了xgb.cv中的folds参数，它允许指定验证集的索引。然后在xgb.cv中调用助手函数xgb.cv.mknfold，该函数随后将每个文件夹的剩余索引作为相应文件夹的训练集的索引。问:我可以通过xgboost接口中的任何接口同时指定训练和验证指标吗？
我的主要动机是执行时间序列交叉验证，我不希望“非验证”索引自动分配为训练数据。目前，使用folds参数将迫使我使用剩余的
浏览 3提问于2015-09-07得票数 9
这似乎太好了，简直不像是真的。我该怎么解决它呢？
我使用归一化数据集(max-min或z-score)，已经将其拆分为训练集和验证集，并且我使用训练集值来预测验证集。在这两个子集中，数据显然非常相似，但我对此无能为力。我也避免了前瞻偏见。还有什么可能是100%准确率的原因，我该如何解决它？非常感谢!
浏览 6提问于2019-07-10得票数 0
1回答
基于Xgboost的R训练与预测
、、、、
在使用包和中的函数xgb.cv时，我有一个与模型的交叉验证、调优、训练和预测相关的问题。“最佳参数”，以便使用xgboost或xgb.train来训练我的完整训练集，并在测试数据集上生成。问题是，当我在测试数据集中进行训练和预测时，我的分类器基本上将几乎所有新的实例分类到一个类中(这是不可能的，因为我还使用了其他模型，这些模型在原则上给出了准确的分类率)。所以，总而言之，我的问题是
浏览 2提问于2020-04-05得票数 2
回答已采纳
在xgb.cv函数(来自库xgboost)中，其中一个选项是early_stopping_rounds。我想知道xgb.cv的容差级别是多少，但在文档中找不到它。
否则，这是否仅仅意味着如果k轮次继续减少？
浏览 18提问于2020-08-13得票数 2
我在使用计算机上的所有核心来训练和交叉验证XGBoost模型时遇到了问题.数据：dtrain = xgb.DMatrix(X_train, label=y_traindtrain, evals=[(dtest, "Test")],它工作正常，但它只
浏览 1提问于2019-10-11得票数 0
回答已采纳
1回答
在xgboost分类模型的交叉验证运行之间，我收集了不同的验证分数。这是正常的，每次列车/验证分割和模型状态是不同的。flds = self.gsk.Splits(X, cv_folds=cv_folds)我是否：保持模型的最佳<e
浏览 0提问于2016-11-28得票数 1
回答已采纳
当我在本地训练我的模型时，我使用20%的测试集，然后进行交叉验证。Sagameker似乎需要一个专用的验证集(至少在我学习的教程中是这样)。目前我有20%的测试，10%的验证，剩下70%需要训练-所以与本地训练相比，我丢失了10%的训练数据，因此会有一些性能损失。我可以只使用本地训练的模型并覆盖存储在s3中的sagemaker模型，但这似
浏览 46提问于2019-08-24得票数 2
我正在训练一个具有两个数据输入管道的深度网络，一个用于训练，另一个用于验证。它们分别使用shuffle_batch_join和batch_join进行并行数据读取。网络中使用的数据流是使用这两条管道上的tf.cond操作来决定的，这是由is_training占位符控制的，对于训练迭代，该占位符设置为true，在进行验证时设置为false。我有4个线程用于读取<em
浏览 3提问于2016-07-19得票数 1
回答已采纳
假设我用一个数据序列来训练我的LSTM，并通过预测接下来几个步骤的数据来验证它。
或者LSTMs可以预测相同数据序列的下几个步骤？？假设我有一个具有可用输入和输出特性的流程数据，这是一个顺序数据，并且假设我的LSTM正在从数据的三个步骤中学习来预测下一步。现在，这个LSTM将只
浏览 2提问于2019-11-05得票数 0
回答已采纳
1回答
有没有什么方法可以直接从xgboost.cv访问经过训练的xgboost模型？或者在这种情况下，我必须手动循环折叠并执行拟合吗？xgb.cv(param, dtrain, num_round, nfold = 5, seed = 0,
obj = logregobj, feval=evalerror)
浏览 16提问于2016-09-19得票数 0
回答已采纳
2回答
超拟合XGBoost
、、、
我尝试从315行和17 (真实数据)特性(315x17)的数据集中对数据进行分类。目标值不是“好”就是“坏”(二进制分类)。Red :对数损失训练曲线📷bst.res
浏览 0提问于2017-10-10得票数 5
我使用的是自己的单词模型，而不是wekas StringToWordVector (结果是一个错误，但因为这只是一个学校项目，我想用我的方法完成它)，所以我不能使用它的CrossFoldEvaluation，因为我的BoW字典也会包含培训数据的单词。
浏览 13提问于2018-01-02得票数 2
回答已采纳
有人能告诉我h2o.predict()使用哪个阈值吗？是max f1吗？如果是的话，它是来自培训数据、验证数据还是交叉验证的阈值？我尝试在测试集中使用max f1和max f0point5的验证阈值(完全独立于培训和验证数据)，但预测的类与h2o.predict()和类与使用阈值并不完全匹配。我得到的最接近的方法是使用max f0point5训练阈值，并将其应用于测试集。
关于h2
浏览 2提问于2018-12-03得票数 3
回答已采纳
我正在使用scikit-learn来训练分类器。我还希望进行交叉验证，但在交叉验证之后，我希望对整个数据集进行训练。我发现cross_validation.cross_val_score()只返回分数。
编辑:我想用我所有的数据来训练具有最佳交叉验证分数的分类器。
浏览 1提问于2014-03-24得票数 2
我正在为XGBoost使用R包装器。在函数xgb.cv中，有一个带有描述的folds参数
Feature1 Feature2 Target 2: 7 1 93 5:
浏览 2提问于2016-07-09得票数 4
因此，最近我一直在学习中的教程，并提出了以下问题:内部是否存在培训/验证分割？
问题是，在本教程中，主数据集被拼接到培训和测试中。在这里，训练集用于训练和评估()函数中的测试。据我所知，在处理神经网络时，通常将数据分成3组:训练、验证和测试。然而，在本教程中，它只分为培训和测试。据我所知，通常对模型进行训练，然后进行评估，然后根据评估步骤中学到的内容更新权重。然而，我似乎
浏览 0提问于2020-10-05得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
