Xgboost: 以评估指标作为 AUC 的早期停止

我正在使用 Xgboost 的 python 版本并尝试在 AUC 上设置提前停止，如下所示：

param = {
         'bst:max_depth':4,
         'bst:eta':0.1,  
         'silent':1,
         'objective':'binary:logistic'
         }

param['nthread'] = 10
param['eval_metric'] = "auc"
param['seed'] = 0

plst = param.items()

evallist  = [(dtrain_test1,'train'), (dtest2,'eval')]

num_round = 50
bst = xgb.train( plst, dtrain_test1, num_round, evallist, early_stopping_rounds = 5)

然而，即使 AUC 仍在增加，5 轮后迭代停止：

将训练直到 eval 错误在 5 轮内没有减少。
[0] train-auc:0.681576 eval- auc:0.672914
[1] train-auc:0.713940 eval- auc:0.705898
[2] train-auc:0.719168 eval- auc:0.710064
[3] train-auc:0.724578 eval- auc:0.713953
[4] train-auc:0.729903 eval- auc:0.718029
[5] train-auc:0.732958 eval- auc:0.719815
停止。 最佳迭代：
[0] train-auc:0.681576 eval- auc:0.672914

在我看来，Xgboost 认为 AUC 应该保持减少而不是增加，否则会触发提前停止。 为什么会出现这种情况以及如何解决？