在 GridSearchCV 中为 XGBoost 评分

Question

我目前第一次尝试使用 XGBoost 分析数据。我想使用 GridsearchCV 找到最佳参数。我想最小化均方根误差，为此，我使用“rmse”作为 eval_metric。但是，网格搜索中的评分没有这样的指标。我在这个网站上发现“neg_mean_squared_error”的作用相同，但我发现这给了我与 RMSE 不同的结果。当我计算“neg_mean_squared_error”的绝对值的根时，我得到一个大约 8.9 的值，而不同的函数给我一个大约 4.4 的 RMSE。 我不知道出了什么问题或者我如何让这两个函数同意/给出相同的值？

由于这个问题，我得到了错误的值“best_params_”，这给了我一个比我最初开始调整的一些值更高的 RMSE。

谁能解释一下如何在网格搜索中获得 RMSE 的分数，或者为什么我的代码给出不同的值？

提前致谢。

def modelfit(alg, trainx, trainy, useTrainCV=True, cv_folds=10, early_stopping_rounds=50):
    if useTrainCV:
        xgb_param = alg.get_xgb_params()
        xgtrain = xgb.DMatrix(trainx, label=trainy)
        cvresult = xgb.cv(xgb_param, xgtrain, num_boost_round=alg.get_params()['n_estimators'], nfold=cv_folds,
                          metrics='rmse', early_stopping_rounds=early_stopping_rounds)
        alg.set_params(n_estimators=cvresult.shape[0])

    # Fit the algorithm on the data
    alg.fit(trainx, trainy, eval_metric='rmse')

    # Predict training set:
    dtrain_predictions = alg.predict(trainx)
    # dtrain_predprob = alg.predict_proba(trainy)[:, 1]
    print(dtrain_predictions)
    print(np.sqrt(mean_squared_error(trainy, dtrain_predictions)))

    # Print model report:
    print("\nModel Report")
    print("RMSE : %.4g" % np.sqrt(metrics.mean_squared_error(trainy, dtrain_predictions)))

 param_test2 = {
 'max_depth':[6,7,8],
 'min_child_weight':[2,3,4]
}

grid2 = GridSearchCV(estimator = xgb.XGBRegressor( learning_rate =0.1, n_estimators=2000, max_depth=5,
 min_child_weight=2, gamma=0, subsample=0.8, colsample_bytree=0.8,
 objective= 'reg:linear', nthread=4, scale_pos_weight=1, random_state=4),
 param_grid = param_test2, scoring='neg_mean_squared_error', n_jobs=4,iid=False, cv=10, verbose=20)
grid2.fit(X_train,y_train)
# Mean cross-validated score of the best_estimator
print(grid2.best_params_, np.sqrt(np.abs(grid2.best_score_))), print(np.sqrt(np.abs(grid2.score(X_train, y_train))))
modelfit(grid2.best_estimator_, X_train, y_train)
print(np.sqrt(np.abs(grid2.score(X_train, y_train))))

Answer 1

在GridSearchCV 中，评分参数进行了转换，因此较高的值始终优于较低的值。在您的示例中，neg_mean_squared_error 只是 RMSE 的否定版本。您不应将 neg_mean_squared_error 解释为 RMSE，而应在交叉验证中比较 neg_mean_squared_error 的值，其中较高的值优于较低的值。

model_evaluation 文档的评分参数部分提到了这种行为。

Scikit-Learn Scoring Parameter Documentation

Answer 2

这是因为 XGBoostRegressor.score 返回 the coefficient of determination of the prediction，而不是 RMSE。