XGBoost解决多分类问题
XGBoost官方给的二分类问题的例子是区别蘑菇有无毒,数据集和代码都可以在xgboost中的demo文件夹对应找到,我是用的Anaconda安装的XGBoost,实现起来比较容易。唯一的梗就是在终端中运行所给命令: ../../xgboost mushroom.conf 时会报错,是路径设置的问题,所以我干脆把xgboost文件夹下的xgboost.exe拷到了mushroom.conf配置文件所在文件夹下,这样直接定位到该文件夹下就可以运行: xgboost mushroom.conf。二分类数据预处理,也就是data wraggling部分的代码有一定的借鉴意义,值得一看。
多分类问题给的例子是根据34个特征识别6种皮肤病,由于终端中运行runexp.sh没有反应,也不报错,所以我干脆把数据集下载到对应的demo文件夹下了,主要的代码如下,原来有部分比较难懂的语句我自己加了一些注释,这样理解起来就会顺畅多了。
[python]
view plain
copy
import numpy as np import xgboost as xgb data = np.loadtxt('./dermatology.data', delimiter=',',converters={33: lambda x:int(x == '?'), 34: lambda x:int(x)-1 } ) sz = data.shape train = data[:int(sz[0] * 0.7), :] test = data[int(sz[0] * 0.7):, :] train_X = train[:,0:33] train_Y = train[:, 34] test_X = test[:,0:33] test_Y = test[:, 34] xg_train = xgb.DMatrix( train_X, label=train_Y) xg_test = xgb.DMatrix(test_X, label=test_Y) param = {} param['objective'] = 'multi:softmax' param['eta'] = 0.1 param['max_depth'] = 6 param['silent'] = 1 param['nthread'] = 4 param['num_class'] = 6 watchlist = [ (xg_train,'train'), (xg_test, 'test') ] num_round = 5 bst = xgb.train(param, xg_train, num_round, watchlist ); pred = bst.predict( xg_test ); print ('predicting, classification error=%f' % (sum( int(pred[i]) != test_Y[i] for i in range(len(test_Y))) / float(len(test_Y)) )) param['objective'] = 'multi:softprob' bst = xgb.train(param, xg_train, num_round, watchlist ); yprob = bst.predict( xg_test ).reshape( test_Y.shape[0], 6 ) ylabel = np.argmax(yprob, axis=1) print ('predicting, classification error=%f' % (sum( int(ylabel[i]) != test_Y[i] for i in range(len(test_Y))) / float(len(test_Y)) ))
结果如下:
[python]
view plain
copy
[0] train-merror:0.011719 test-merror:0.127273 [1] train-merror:0.015625 test-merror:0.127273 [2] train-merror:0.011719 test-merror:0.109091 [3] train-merror:0.007812 test-merror:0.081818 [4] train-merror:0.007812 test-merror:0.090909 predicting, classification error=0.090909 [0] train-merror:0.011719 test-merror:0.127273 [1] train-merror:0.015625 test-merror:0.127273 [2] train-merror:0.011719 test-merror:0.109091 [3] train-merror:0.007812 test-merror:0.081818 [4] train-merror:0.007812 test-merror:0.090909 predicting, classification error=0.090909
不管是直接返回诊断类型,还是返回各类型的概率,然后取概率最大的那个对应的类型的index,结果都是一样的。
结语
强烈建议大家使用python notebook来实现代码,当有不明白的代码时看一下执行后的结果能帮助我们很快理解。同时要感叹一下,
看大神们的代码感觉好牛X,对我这个XGBoost paper看过两遍还没能完全领略算法精髓的人来说只能拿来主义了,希望后面有机会去读一读算法源码。
转载请注明原文地址: https://www.6miu.com/read-48412.html