λ€μ€ μΆλ ₯ νκ·λ μ΄λ»κ² μνν©λκΉ? μλλ©΄ λ¨μν λΆκ°λ₯ν©λκΉ?
λ΄ νμ¬ κ°μ μ XGMatrixκ° νλ ¬μ λ μ΄λΈλ‘ μ§μνλλ‘ μ½λ κΈ°λ°μ μμ ν΄μΌ νκ³ μ¬μ©μ μ§μ λͺ©μ ν¨μλ₯Ό λ§λ€μ΄μΌ νλ€λ κ²μ λλ€.
λ΄ μ΅μ’ λͺ©νλ νκ·λ₯Ό μννμ¬ λ λ³μ(ν¬μΈνΈ)λ₯Ό μΆλ ₯νκ³ μ ν΄λ¦¬λ μμ€μ μ΅μ ννλ κ²μ λλ€. λ κ°μ λ³λ λͺ¨λΈ(x μ’νμ© νλμ y μ’νμ© νλ)μ λ§λλ κ²μ΄ λ λμκΉμ?
μλλ©΄ ... sklearn λλ λ€λ₯Έ λ체 μκ³ λ¦¬μ¦ λ΄μμ μμμ μ² νκ·μλ₯Ό μ¬μ©νλ κ²μ΄ λ λμκΉμ?
λ€λ³μ/λ€μ€ λ μ΄λΈ νκ·λ νμ¬ κ΅¬νλμ§ μμμ΅λλ€. #574 #680
Tianqiλ gbtree νμ΅μμ λͺ κ°μ§ κ΄λ ¨ μ리 νμμ λ°μ΄ν° ꡬ쑰λ₯Ό μΆκ°νμ§λ§ μ무λ κΈ°κ³λ₯Ό μλν μκ°μ΄ μμλ κ² κ°μ΅λλ€.
λ§μ λνκ° λ€μ€ μΆλ ₯μ μ¬μ©νκΈ° λλ¬Έμ μ κ°μ λλ€.
μ΄ μμΌλ©΄ μ λ§ μ’μ κΈ°λ₯μ΄ λ κ²μ λλ€.
μ΄μ λν μ λ°μ΄νΈκ° μμ΅λκΉ?
κΈ°λ₯ μμ² μΆμ κΈ°μ μ΄ κΈ°λ₯μ μΆκ°νκ³ μμ΅λλ€: #3439. λ°λΌκ±΄λ, μ°λ¦¬λ μ΄λ μμ μ λλ¬ν μ μμ΅λλ€.
λμν©λλ€. μ΄ κΈ°λ₯μ λ§€μ° μ μ©ν κ²μ λλ€(μ§κΈ λΉμ₯ νμν κ²μ λλ€...)
λλ λν μ΄κ²μ΄ μ κ²½λ§μμ μννλ κ²μ΄ λ§€μ° κ°λ¨νμ§λ§ xgboostμμλ μνν μ μλ€λ μ μ λμν©λλ€.
μ΄ κΈ°λ₯μ΄ λμ€λ κ²μ λ³΄κ³ μΆμ΅λλ€
νμλ μ΄μ κ° μλμ?
@veonua #3439 μ°Έμ‘°.
ννΈ λ€μκ³Ό κ°μ λ¨μΌ μΆλ ₯ λͺ¨λΈμ μμλΈκ³Ό κ°μ λμμ΄ μμ΅λλ€.
# Fit a model and predict the lens values from the original features
model = XGBRegressor(n_estimators=2000, max_depth=20, learning_rate=0.01)
model = multioutput.MultiOutputRegressor(model)
model.fit(X_train, X_lens_train)
preds = model.predict(X_test)
μΆμ²: https://gist.github.com/MLWave/4a3f8b0fee43d45646cf118bda4d202a
ννΈ λ€μκ³Ό κ°μ λ¨μΌ μΆλ ₯ λͺ¨λΈμ μμλΈκ³Ό κ°μ λμμ΄ μμ΅λλ€.
https://scikit-learn.org/stable/modules/generated/sklearn.multioutput.MultiOutputRegressor.html
λλ λν 무κ²λ₯Ό λ¬κ³ κ·Έλ¬ν κΈ°λ₯μ κ°λ κ²μ΄ λ§€μ° νΈλ¦¬ν κ²μ΄λΌκ³ λ§ν κ²μ λλ€. μμμ μΈκΈν MultiOutputRegressorλ ν λ²μ μ¬λ¬ λͺ¨λΈμ λΉλνκΈ°μ μ’μ λνΌμ΄λ©° μλ‘ λ 립μ μΈ λμ λ³μλ₯Ό μμΈ‘νλ λ° μ μλν©λλ€. κ·Έλ¬λ λμ λ³μμ μκ΄ κ΄κ³κ° λμ κ²½μ° λ²‘ν°λ₯Ό μμΈ‘νλ νλμ λͺ¨λΈμ ꡬμΆνκ³ μΆμ κ²μ λλ€.
κ°μ₯ μ μ©ν λκΈ
μ΄ μμΌλ©΄ μ λ§ μ’μ κΈ°λ₯μ΄ λ κ²μ λλ€.