xgboost中score方法的意义

【问题标题】：The meaning of score method in xgboostxgboost中score方法的意义
【发布时间】：2022-08-23 17:51:03
【问题描述】：

我正在解决一个回归问题，并且我已经预留了一个 cv 数据集，用于评估我的模型。

我可以轻松地评估我的 NN 网络，因为 TensorFlow evaluate() 方法为我提供了所有平方误差的总和。但是，xgb 为我提供了一个函数 - score()，它返回给我一个数字- 0.7

首先，我应该如何解释这个数字? 其次，我怎样才能让 xgb 返回我可以解释的模型的度量?

【解决方案1】：

首先，我应该如何解释这个数字？

来自官方doc，这个数字代表决定系数。它是自变量 (x) 解释的因变量 (y) 的方差比例。因此，它越接近 1，您的回归线越适合数据，您的模型就越好。
其次，我怎样才能让 xgb 返回我可以解释的模型的度量？

您可以使用模型中的预测方法，然后计算您想要的任何度量。例如，如果你想像 Tensorflow 那样求平方误差之和：
import xgboost as xgb 
model = xgb.XGBRegressor()
model.fit(x_train, y_train)
predictions = model.predict(x_test)
ssr = ((predictions - y_test)**2).sum()

【讨论】：