有什么方法可以直接从 xgboost.cv 访问训练有素的 xgboost 模型吗？或者我是否需要手动循环折叠并在这种情况下执行拟合？
xgboost.cv
xgboost
xgb.cv(param, dtrain, num_round, nfold = 5, seed = 0, obj = logregobj, feval=evalerror)
首先，您在指示时交叉验证xgboost：
xgb.cv_m <- xgb.cv(param, dtrain, num_round, nfold = 5, seed = 0, obj = logregobj, feval=evalerror)
然后，所需的回合数对应于最佳AUC（AUC序列和测试均值和交叉验证产生的std保存在数据框'dt'中 - 检出 names(xgb_cv_m) ）：
names(xgb_cv_m)
nr <- which(xgb_cv_m$dt$test.auc.mean == max(xgb_cv_m$dt$test.auc.mean))
接下来，当您使用'xgboost'拟合最终模型时，使用nrounds = nr
如果您愿意，您还可以通过以下方式直观地检查每一轮的表现： plot(xgb_cv_m$dt$test.auc.mean)
plot(xgb_cv_m$dt$test.auc.mean)
1 回答
首先，您在指示时交叉验证xgboost：
xgb.cv_m <- xgb.cv(param, dtrain, num_round, nfold = 5, seed = 0, obj = logregobj, feval=evalerror)然后，所需的回合数对应于最佳AUC（AUC序列和测试均值和交叉验证产生的std保存在数据框'dt'中 - 检出
names(xgb_cv_m)）：nr <- which(xgb_cv_m$dt$test.auc.mean == max(xgb_cv_m$dt$test.auc.mean))接下来，当您使用'xgboost'拟合最终模型时，使用nrounds = nr
如果您愿意，您还可以通过以下方式直观地检查每一轮的表现：
plot(xgb_cv_m$dt$test.auc.mean)