Xgboost: prediksi setelah validasi silang menggunakan xgboost [pertanyaan]

Dibuat pada 1 Nov 2014  ·  3Komentar  ·  Sumber: dmlc/xgboost

This is my first trial with xgboost (very fast!). Ini adalah percobaan pertama saya dengan xgboost (sangat cepat!). But I'm a little bit confused . Tapi saya agak bingung.
In fact, I trained a model using xgb.cv as follows: Sebenarnya, saya melatih model menggunakan xgb.cv sebagai berikut:
xgbmodel=xgb.cv(params=param, data=trainingdata, nrounds=100, nfold=5,showsd=T,metrics='logloss') xgbmodel=xgb.cv(params=param, data=data pelatihan, nrounds=100, nfold=5,showsd=T,metrics='logloss')
Now I want to predict with my test set but xgbmodel seems to be a logical value (TRUE in this case) Sekarang saya ingin memprediksi dengan set pengujian saya tetapi xgbmodel tampaknya merupakan nilai logis (BENAR dalam kasus ini)
How could I predict after cv? Bagaimana saya bisa memprediksi setelah cv? Should I use xgb.train then? Haruskah saya menggunakan xgb.train?
HR SDM

en

Komentar yang paling membantu

Yes, the xgb.cv does not return the model, but the cv history of the process. Ya, xgb.cv tidak mengembalikan model, tetapi riwayat proses cv. Since in cv we are training n models to evaluate the result. Karena di cv kami melatih n model untuk mengevaluasi hasilnya.

A normal use case of cv is to select parameters, so usually you use cv to find a good parameter, and use xgb.train to train the model on the entire dataset Kasus penggunaan normal cv adalah untuk memilih parameter, jadi biasanya Anda menggunakan cv untuk menemukan parameter yang baik, dan menggunakan xgb.train untuk melatih model di seluruh kumpulan data

en

Semua 3 komentar

Yes, the xgb.cv does not return the model, but the cv history of the process. Ya, xgb.cv tidak mengembalikan model, tetapi riwayat proses cv. Since in cv we are training n models to evaluate the result. Karena di cv kami melatih n model untuk mengevaluasi hasilnya.

A normal use case of cv is to select parameters, so usually you use cv to find a good parameter, and use xgb.train to train the model on the entire dataset Kasus penggunaan normal cv adalah untuk memilih parameter, jadi biasanya Anda menggunakan cv untuk menemukan parameter yang baik, dan menggunakan xgb.train untuk melatih model di seluruh kumpulan data

en

Oke sekarang lebih jelas

en

Hi, Hai,

There is a parameter prediction=TRUE in xgb.cv, which returns the prediction of cv folds. Ada parameter prediksi=TRUE di xgb.cv, yang mengembalikan prediksi lipatan cv. But it is not clear from the document that for which nround, the predictions are returned? Tetapi tidak jelas dari dokumen bahwa untuk putaran mana, prediksi dikembalikan?

en
Apakah halaman ini membantu?
0 / 5 - 0 peringkat