xgboost：尽管有合理的准确性，但对数损失很大答案

【问题标题】：xgboost: Huge logloss despite reasonable accuracyxgboost：尽管有合理的准确性，但对数损失很大
【发布时间】：2017-11-23 11:12:29
【问题描述】：

我在二进制分类问题上训练了一个 xgboost 分类器。它产生 70% 的准确预测。然而，logloss 在 9.13 时非常大。我怀疑这可能是因为一些预测非常偏离目标，但我不明白为什么会发生 - 其他人使用 xgboost 在相同数据上报告的 logloss (0.55 - 0.6) 要好得多。

from readCsv import x_train, y_train
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score, log_loss
from xgboost import XGBClassifier

seed=7
test_size=0.09

X_train, X_test, y_train, y_test = train_test_split(
    x_train, y_train, test_size=test_size, random_state=seed)

# fit model no training data
model = XGBClassifier(max_depth=5,
                      learning_rate=0.02,
                      objective= 'binary:logistic',
                      n_estimators = 5000)
model.fit(X_train, y_train)

# make predictions for test data
y_pred = model.predict(X_test)
predictions = [round(value) for value in y_pred]

accuracy = accuracy_score(y_test, predictions)
print("Accuracy: %.2f%%" % (accuracy * 100.0))

ll = log_loss(y_test, y_pred)
print("Log_loss: %f" % ll)
print(model)

产生以下输出：

Accuracy: 73.54%
Log_loss: 9.139162
XGBClassifier(base_score=0.5, colsample_bylevel=1, colsample_bytree=1,
       gamma=0, learning_rate=0.02, max_delta_step=0, max_depth=5,
       min_child_weight=1, missing=None, n_estimators=5000, nthread=-1,
       objective='binary:logistic', reg_alpha=0, reg_lambda=1,
       scale_pos_weight=1, seed=0, silent=True, subsample=1)

有人知道我的高 logloss 的原因吗？谢谢！

【问题讨论】：

请注意，您使用四舍五入的预测计算准确性，但计算您的对数损失而不使用四舍五入的预测。您是否尝试在不四舍五入的情况下检查您的准确性？
@rafaelvalle 刚刚测试，没有四舍五入：它产生了完全相同的数字 - 73.54%

标签： machine-learning xgboost cross-entropy bigdata

【解决方案1】：

解决方案：使用 model.predict_proba()，而不是 model.predict()

这将 logloss 从 7+ 降低到 0.52，这在预期范围内。 model.predict() 正在输出像 1e18 这样的巨大值，它似乎需要通过一些函数来使其成为有效的概率分数（介于 0 和 1 之间）。

【讨论】：