xgboost參數詳解

XGBoost參數

在運行XGboost之前，必須設置三種類型成熟：general parameters，booster parameters和task parameters：

• General parameters：參數控制在提升（boosting）過程中使用哪種booster，常用的booster有樹模型（tree）和線性模型（linear model）。
• Booster parameters：這取決於使用哪種booster。
• Task parameters：控制學習的場景，例如在迴歸問題中會使用不同的參數控制排序。
• 除了以上參數還可能有其它參數，在命令行中使用

Parameters in R Package

In R-package, you can use .(dot) to replace under score in the parameters, for example, you can use max.depth as max_depth. The underscore parameters are also valid in R.

General Parameters

• booster [default=gbtree] 
  
  • 有兩中模型可以選擇gbtree和gblinear。gbtree使用基於樹的模型進行提升計算，gblinear使用線性模型進行提升計算。缺省值爲gbtree
• silent [default=0] 
  
  • 取0時表示打印出運行時信息，取1時表示以緘默方式運行，不打印運行時信息。缺省值爲0
• nthread [default to maximum number of threads available if not set] 
  
  • XGBoost運行時的線程數。缺省值是當前系統可以獲得的最大線程數
• num_pbuffer [set automatically by xgboost, no need to be set by user] 
  
  • size of prediction buffer, normally set to number of training instances. The buffers are used to save the prediction results of last boosting step.
• num_feature [set automatically by xgboost, no need to be set by user] 
  
  • boosting過程中用到的特徵維數，設置爲特徵個數。XGBoost會自動設置，不需要手工設置

Booster Parameters

From xgboost-unity, the bst: prefix is no longer needed for booster parameters. Parameter with or without bst: prefix will be equivalent(i.e. both bst:eta and eta will be valid parameter setting) .

Parameter for Tree Booster

• eta [default=0.3] 
  
  • 爲了防止過擬合，更新過程中用到的收縮步長。在每次提升計算之後，算法會直接獲得新特徵的權重。 eta通過縮減特徵的權重使提升計算過程更加保守。缺省值爲0.3
  • 取值範圍爲：[0,1]
• gamma [default=0] 
  
  • minimum loss reduction required to make a further partition on a leaf node of the tree. the larger, the more conservative the algorithm will be.
  • range: [0,∞]
• max_depth [default=6] 
  
  • 數的最大深度。缺省值爲6
  • 取值範圍爲：[1,∞]
• min_child_weight [default=1] 
  
  • 孩子節點中最小的樣本權重和。如果一個葉子節點的樣本權重和小於min_child_weight則拆分過程結束。在現行迴歸模型中，這個參數是指建立每個模型所需要的最小樣本數。該成熟越大算法越conservative
  • 取值範圍爲: [0,∞]
• max_delta_step [default=0] 
  
  • Maximum delta step we allow each tree’s weight estimation to be. If the value is set to 0, it means there is no constraint. If it is set to a positive value, it can help making the update step more conservative. Usually this parameter is not needed, but it might help in logistic regression when class is extremely imbalanced. Set it to value of 1-10 might help control the update
  • 取值範圍爲：[0,∞]
• subsample [default=1] 
  
  • 用於訓練模型的子樣本佔整個樣本集合的比例。如果設置爲0.5則意味着XGBoost將隨機的衝整個樣本集合中隨機的抽取出50%的子樣本建立樹模型，這能夠防止過擬合。
  • 取值範圍爲：(0,1]
• colsample_bytree [default=1] 
  
  • 在建立樹時對特徵採樣的比例。缺省值爲1
  • 取值範圍：(0,1]

Parameter for Linear Booster

• lambda [default=0] 
  
  • L2 正則的懲罰係數
• alpha [default=0] 
  
  • L1 正則的懲罰係數
• lambda_bias 
  
  • 在偏置上的L2正則。缺省值爲0（在L1上沒有偏置項的正則，因爲L1時偏置不重要）

Task Parameters

• objective [ default=reg:linear ] 
  
  • 定義學習任務及相應的學習目標，可選的目標函數如下：
  • “reg:linear” –線性迴歸。
  • “reg:logistic” –邏輯迴歸。
  • “binary:logistic” –二分類的邏輯迴歸問題，輸出爲概率。
  • “binary:logitraw” –二分類的邏輯迴歸問題，輸出的結果爲wTx。
  • “count:poisson” –計數問題的poisson迴歸，輸出結果爲poisson分佈。
  • 在poisson迴歸中，max_delta_step的缺省值爲0.7。(used to safeguard optimization)
  • “multi:softmax” –讓XGBoost採用softmax目標函數處理多分類問題，同時需要設置參數num_class（類別個數）
  • “multi:softprob” –和softmax一樣，但是輸出的是ndata * nclass的向量，可以將該向量reshape成ndata行nclass列的矩陣。沒行數據表示樣本所屬於每個類別的概率。
  • “rank:pairwise” –set XGBoost to do ranking task by minimizing the pairwise loss
• base_score [ default=0.5 ] 
  
  • the initial prediction score of all instances, global bias
• eval_metric [ default according to objective ] 
  
  • 校驗數據所需要的評價指標，不同的目標函數將會有缺省的評價指標（rmse for regression, and error for classification, mean average precision for ranking）
  • 用戶可以添加多種評價指標，對於Python用戶要以list傳遞參數對給程序，而不是map參數list參數不會覆蓋’eval_metric’
  • The choices are listed below:
  • “rmse”: root mean square error
  • “logloss”: negative log-likelihood
  • “error”: Binary classification error rate. It is calculated as #(wrong cases)/#(all cases). For the predictions, the evaluation will regard the instances with prediction value larger than 0.5 as positive instances, and the others as negative instances.
  • “merror”: Multiclass classification error rate. It is calculated as #(wrong cases)/#(all cases).
  • “mlogloss”: Multiclass logloss
  • “auc”: Area under the curve for ranking evaluation.
  • “ndcg”:Normalized Discounted Cumulative Gain
  • “map”:Mean average precision
  • “ndcg@n”,”map@n”: n can be assigned as an integer to cut off the top positions in the lists for evaluation.
  • “ndcg-“,”map-“,”ndcg@n-“,”map@n-“: In XGBoost, NDCG and MAP will evaluate the score of a list without any positive samples as 1. By adding “-” in the evaluation metric XGBoost will evaluate these score as 0 to be consistent under some conditions. 
    training repeatively
• seed [ default=0 ] 
  
  • 隨機數的種子。缺省值爲0

Console Parameters

The following parameters are only used in the console version of xgboost 
* use_buffer [ default=1 ] 
- 是否爲輸入創建二進制的緩存文件，緩存文件可以加速計算。缺省值爲1 
* num_round 
- boosting迭代計算次數。 
* data 
- 輸入數據的路徑 
* test:data 
- 測試數據的路徑 
* save_period [default=0] 
- 表示保存第i*save_period次迭代的模型。例如save_period=10表示每隔10迭代計算XGBoost將會保存中間結果，設置爲0表示每次計算的模型都要保持。 
* task [default=train] options: train, pred, eval, dump 
- train：訓練明顯 
- pred：對測試數據進行預測 
- eval：通過eval[name]=filenam定義評價指標 
- dump：將學習模型保存成文本格式 
* model_in [default=NULL] 
- 指向模型的路徑在test, eval, dump都會用到，如果在training中定義XGBoost將會接着輸入模型繼續訓練 
* model_out [default=NULL] 
- 訓練完成後模型的保持路徑，如果沒有定義則會輸出類似0003.model這樣的結果，0003是第三次訓練的模型結果。 
* model_dir [default=models] 
- 輸出模型所保存的路徑。 
* fmap 
- feature map, used for dump model 
* name_dump [default=dump.txt] 
- name of model dump file 
* name_pred [default=pred.txt] 
- 預測結果文件 
* pred_margin [default=0] 
- 輸出預測的邊界，而不是轉換後的概率