如果我使用 GridsearchCV，如何在 Xgboost 中使用 model.evals_result()？答案

【问题标题】：How do I use model.evals_result() in Xgboost if I am using GridsearchCV?如果我使用 GridsearchCV，如何在 Xgboost 中使用 model.evals_result()？
【发布时间】：2020-02-18 02:23:05
【问题描述】：

我正在使用 xgboost 回归器，如果我使用的是 GridsearchCV，我有一个关于如何使用 model.evals_result() 的问题

我知道如果我不使用 Gridsearch，我可以使用下面的代码得到我想要的东西

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=.33, random_state=1,shuffle=False)

evals_result = {}
eval_s = [(X_train, y_train), (X_test, y_test)]

gbm = xgb.XGBRegressor()
gbm.fit(X_train, y_train,eval_metric=["rmse"],eval_set=eval_s)

results = gbm.evals_result()

但如果我在我的代码中使用 GridsearchCV，我将无法获得 evals_result()（见下文）。

任何线索？

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=.33, random_state=1,shuffle=False)

gbm_param_grid = {'learning_rate': [.01, .1, .5, .9],
                          'n_estimators': [200, 300],
                          'subsample': [0.3, 0.5, 0.9]
                          }

fit_params = {"early_stopping_rounds": 100,
                      "eval_metric": "mae",
                      "eval_set": [(X_train, y_train), (X_test, y_test)]}

evals_result = {}
eval_s = [(X_train, y_train), (X_test, y_test)]

gbm = xgb.XGBRegressor()
tscv = TimeSeriesSplit(n_splits=2)
xgb_Gridcv = GridSearchCV(estimator=gbm, param_grid=gbm_param_grid, cv=tscv,refit = True, verbose=0)

xgb_Gridcv.fit(X_train, y_train,eval_metric=["rmse"],eval_set=eval_s)
        ypred = xgb_Gridcv.predict(X_test)

现在当我跑步时 results = gbm.evals_result() 我收到此错误

Traceback (most recent call last):
  File "/Users/prasadkamath/.conda/envs/Pk/lib/python3.5/site-packages/IPython/core/interactiveshell.py", line 2961, in run_code
    exec(code_obj, self.user_global_ns, self.user_ns)
  File "<ipython-input-11-95ef57081806>", line 1, in <module>
    results = gbm.evals_result()
  File "/Users/prasadkamath/.conda/envs/Pk/lib/python3.5/site-packages/xgboost/sklearn.py", line 401, in evals_result
    if self.evals_result_:
AttributeError: 'XGBRegressor' object has no attribute 'evals_result_'

【问题讨论】：

它对你有用吗？
非常感谢朋友！是的，这成功了！感谢您的帮助。

标签： python scikit-learn xgboost grid-search gridsearchcv

【解决方案1】：

一般而言，您可以直接访问字典evals_result，而不是访问模型的方法，例如xgb_model.evals_result()。例如：

eval_s = [(X_train, y_train), (X_test, y_test)]
evals_result = {}
xgb_model = xgb.train(param, 
                      train_orig_data_dmat, 
                      num_boost_round=100,
                      evals=eval_s,
                      early_stopping_rounds=10,
                      evals_result=evals_result)
print(evals_result)

将分别打印出训练和测试的错误，以及您定义的任何评估指标。这是另一个更详细的参考：https://github.com/dmlc/xgboost/blob/master/demo/guide-python/evals_result.py

【讨论】：

【解决方案2】：

xgb_Gridcv 将是包含您最好的 XGB 模型的对象，可以通过 xgb_Gridcv.best_estimator_ 访问，现在您可以在其上调用 evals_result 方法，以便获得您需要使用的 evals_result：

xgb_Gridcv.best_estimator_.evals_result()

代替

gbm.evals_result()

希望对你有帮助！

【讨论】：