超调XGBoost参数

在处理分类因变量和连续因变量方面，XGBoost一直表现出色。但是，如何为XGBoost问题选择优化的参数？

这是我为最近的Kaggle问题应用参数的方式：

param <- list(  objective           = "reg:linear", 
                booster = "gbtree",
                eta                 = 0.02, # 0.06, #0.01,
                max_depth           = 10, #changed from default of 8
                subsample           = 0.5, # 0.7
                colsample_bytree    = 0.7, # 0.7
                num_parallel_tree   = 5
                # alpha = 0.0001, 
                # lambda = 1
)


clf <- xgb.train(   params              = param, 
                    data                = dtrain, 
                    nrounds             = 3000, #300, #280, #125, #250, # changed from 300
                    verbose             = 0,
                    early.stop.round    = 100,
                    watchlist           = watchlist,
                    maximize            = FALSE,
                    feval=RMPSE
)

我要做的实验是（凭直觉）随机选择另一组参数以改善结果。

无论如何，我是否可以自动选择最佳（最佳）参数集？

（答案可以是任何语言。我只是在寻找技术）

每当我使用xgboost时，我通常都会进行自己的自制参数搜索，但是您可以使用插入符号包以及刚才提到的KrisP来进行搜索。

1. 插入符号

请参阅“交叉验证”中的此答案，以获取有关如何使用插入符号包在xgboost上进行超参数搜索的详细说明。 如何调整xgboost树的超参数？

2. 自定义网格搜索

我经常从基于Owen Zhang 关于数据科学技巧的幻灯片的一些假设开始。P. 14

在这里，您将看到您几乎需要调整行采样，列采样，甚至最大树深度。这是我执行自定义行采样和列采样搜索当前正在处理的问题的方式：

searchGridSubCol <- expand.grid(subsample = c(0.5, 0.75, 1), 
                                colsample_bytree = c(0.6, 0.8, 1))
ntrees <- 100

#Build a xgb.DMatrix object
DMMatrixTrain <- xgb.DMatrix(data = yourMatrix, label = yourTarget)

rmseErrorsHyperparameters <- apply(searchGridSubCol, 1, function(parameterList){

    #Extract Parameters to test
    currentSubsampleRate <- parameterList[["subsample"]]
    currentColsampleRate <- parameterList[["colsample_bytree"]]

    xgboostModelCV <- xgb.cv(data =  DMMatrixTrain, nrounds = ntrees, nfold = 5, showsd = TRUE, 
                           metrics = "rmse", verbose = TRUE, "eval_metric" = "rmse",
                           "objective" = "reg:linear", "max.depth" = 15, "eta" = 2/ntrees,                               
                           "subsample" = currentSubsampleRate, "colsample_bytree" = currentColsampleRate)

    xvalidationScores <- as.data.frame(xgboostModelCV)
    #Save rmse of the last iteration
    rmse <- tail(xvalidationScores$test.rmse.mean, 1)

    return(c(rmse, currentSubsampleRate, currentColsampleRate))

})

并使用apply函数的结果与ggplot2魔术结合使用，您可以绘制搜索的图形表示。

在该图中，较浅的颜色表示较低的误差，每个块表示列采样和行采样的唯一组合。因此，如果您要执行额外的搜索说eta（或树深），您将得到针对每个测试的eta参数的这些图之一。

我看到您有一个不同的评估指标（RMPSE），只需将其插入交叉验证功能中，您将获得所需的结果。除此之外，我不必担心其他参数的微调，因为这样做不会提高性能，与花费更多时间设计功能或清理数据相比，至少不会提高太多。

3. 其他

随机搜索和贝叶斯参数选择也是可能的，但是我还没有实现它们。

这是插入符号的作者Max Kuhn创建的有关贝叶斯超参数优化的一个很好的入门。

http://blog.revolutionanalytics.com/2016/06/bayesian-optimization-of-machine-learning-models.html

您可以使用插入符号包通过网格搜索或随机搜索进行超参数空间搜索。

网格，随机，贝叶斯和PSO等。

当您使用XGBoost时，上述所有操作都没有关系，因为XGB确实非常快，因此您可以将Grid与许多超参数一起使用，直到找到解决方案为止。

可能对您有所帮助的一件事：使用近似方法，它始终为我提供最低的mse错误。