我使用xgb.cv函数在xgboost的R实现中对最佳超参数进行网格搜索。当将predictions设置为TRUE时，它将为折叠外观察提供预测。假设您使用的是提前停止，那么预测是对应于最佳迭代的预测，还是最终迭代的预测？
浏览 24提问于2020-10-02得票数 1
回答已采纳
我正在遵循githib页面，这里是xgb.model <- xgboost(param =param, data = xgb.train.data, nrounds我可以在xgboost中访问的部分是；不是best_ntreelimitput_rect_text_outside_when_value_below) { :
missing
浏览 1提问于2018-03-21得票数 1
回答已采纳
我使用XGBoost来解决R中的多类分类问题，我尝试收缩参数和迭代次数的不同组合，试图解决这些参数的最优值(使用交叉验证)。然而，我很难准确地解释参数的意义。对于我来说，XGBoost算法并不是一个完全的黑匣子--我知道在高层次上，增强是如何工作的。R中的xgb.cv函数返回每一次迭代的测试平均误差和标准差。对于第n次迭代，这是所有迭代的平均值小于所有折叠的n吗？如果我不正确地解释这件事，我很抱歉。另外，这里的标准差
浏览 0提问于2018-03-03得票数 0
我一直在探索R中的xgboost包，并经历了几个演示和教程，但这仍然让我感到困惑:在使用xgb.cv进行交叉验证之后，如何将最佳参数传递给xgb.train？或者，我应该根据xgb.cv的输出计算理想的参数(比如nround、max.depth &q
浏览 85提问于2016-01-28得票数 37
回答已采纳
1回答
我有下面的XGBoost C.V.模型。xgboostModelCV <- xgb.cv(data = dtrain,
nrounds = 20,
浏览 0提问于2018-03-30得票数 4
回答已采纳
我面临的主要问题是理解为什么最终参数getBestPars(optObj)是根据最高值在列Score中选择的：optObj$scoreSummary。正如我所理解的，score列表示给定迭代的rmse值，因此函数应该返回得分最低的参数。复制代码示例：library('mlbench')library("xgboos
浏览 5提问于2020-04-04得票数 0
3回答
每个单元格都有一个预定义的值。作为一种投入。迭代必须发生K次，这也是在测试输入中给出的。我们必须确保在每次迭代中选择行/列的最佳/最小值。最终输出是在每次迭代结束时保存的最优值的累积和。加1add the sum at each iteration(specified in step2)
输出是在Kth迭代中得到的和。该代码可以很好地工作在低阶
浏览 3提问于2016-07-12得票数 1
回答已采纳
我有一个矩阵，每一行对应于XGBoost模型的一个超参数。在XGBoost中有七个参数需要调优(如下所示:n圈/迭代、max_depth、eta、gamma、colsample_byTree、min_child_weight和子样本)。我做了一个文献回顾来指定每个参数的值的范围和间隔。使用这些范围和间隔，参数空间产生约62,500个参数组合。我使用R插入符号：：train函数为我的数据集生成最佳的超参数组合。我的目标是使用LHS生成可管理的多参数组合(即~500)，然后使用插入
浏览 0提问于2021-04-11得票数 1
回答已采纳
1回答
严重缺失特征的数据计算
、、、、
但是，有些特性缺少大量的值，以至于大多数功能都不可用。dataset将其300个特征转换为保护隐私的主要组件，因此无法理解该功能的含义。
我想知道有什么好办法来解决这种问题。
浏览 0提问于2023-04-09得票数 0
1回答
我不确定我做得对还是错。，以精确地确定生产的最佳产品数量，从而实现利润最大化。该过程在连续的迭代中重复，直到最后一个间隔只有一个或两个水平(即产品数量)，模型能够从中做出产品种类的最终选择。为了节省时间，当连续迭代的边际收益非常小时，如果连续迭代的目标函数值(利润)之间的差低于一个小的预定收敛参数，我们也终止该过程。我还没有决定其他参数的值。当我运行CPLEX时，代码中的目标函数一直告诉我有错误
浏览 4提问于2021-07-10得票数 0
我目前正在使用postgresql和Django一起设计我的数据库，我想知道:什么是最佳实践--有几个相同模型的实例具有相同的值，或者有许多到多个关系的实例？更好的做法是：
通过多对多的关系将项目与他们的地位联系起来，这将导致一种状态有几十万甚至更晚的数百万的关系？还是每个项目都有自己身份的外国钥匙更好？因此，每个状态只有一个项。如果我想查询具有相同状态(例如已发送的)的所有项，则必须使用公共名称迭代</e
浏览 0提问于2018-07-24得票数 0
回答已采纳
1回答
NodeJS、承诺和性能
、、、、
如果我的程序运行12次迭代，每次1.250.000次= 15.000.000次迭代，那么亚马逊的专用服务器将在以下时间进行处理：
R3.size:2 vCPU，6.5ECU，15 GB内存--> 123start()；start(){ for(var i=0；i<12；i++){ function2()；//迭代集合(包含按时间间隔划分的数据)。由于数据多次运行(最多50-100次)--由于间隔大小不同.} function2(){返回新承诺{ for(var i=0；i<1.250
浏览 4提问于2016-06-23得票数 1
我正在从XGB分类器获得最佳的精确召回权衡和F1评分(可能是因为数据集的大小非常小- (1900,19))。基于stackexchange上的另一个答案，这是我的代码：from sklearn.model_selection import注意到，我已经给出了X_train和y_train的k叉，这样我就有了一个独立的test数据集来测试最终算法。我的模型是对的还是我漏掉了什么？
P.S.通过只运行model.fit()一次(证明score_arr的<em
浏览 4提问于2020-01-29得票数 1
1回答
我使用的是Microsoft 2008 R2管理工作室(v10.50.4000.0)。“迭代!= all”的查询确实按预期工作。(但是，这样的结果似乎更容易通过‘迭代而不是in’来实现，并且不需要使用表值、构造函数或联合之类的子查询来表示值。)不管怎么说，看起来真的很奇怪，所有的东西都不起作用，像‘迭代=所有(1，2，3)’或‘迭代!=所有(1，2，3)’这样的简单表达式是无效的！= all(1,2,3)
这是我的Server版本的问题，还是缺少了什么
浏览 2提问于2016-06-16得票数 1
回答已采纳
2回答
粒子群优化算法
、、
我在java中使用了粒子群优化算法(PSO)。我对我们做的事情知之甚少。因为，我正在申请生物信息学的。public class Position { private double y;
this.x = x; }
public dou
浏览 2提问于2012-01-10得票数 1
回答已采纳
1回答
我正在比较以下两种算法：
Algorithm2：知道这一点：还是Algorithm1删除的规则比Algorithm2多？
浏览 1提问于2020-06-13得票数 0
回答已采纳
因此，在Q学习中，您可以通过Qnew(s，a) = Q(s，a) + alpha(r +γ*MaxQ(s‘，a) - Q(s，a) )来更新Q函数。当然，训练时间可能会增加，因为您实际上为每次更新都做了一次所有操作，但由于保证每次都选择最佳操作(探索时除外)，它最终会为您提供一个全局最优策略？这有点类似于值迭代，除了我没有也没有为这个问题构建模型。
浏览 1提问于2018-06-08得票数 1
对于这项工作，我们使用XGBoost/lightgbm的R实现。
我们一直难以调整模型。特别是，当运行交叉验证以选择最佳迭代次数(n轮)时，即使在非常高的值下，CV测试分数也会继续提高(例如，参见下图中的xgboost中的nrounds=600,000 )。与此相关的是，在用网格搜索来寻找树深(max_depth)的最优值时，也出现了同样的现象。无论迭代次数多少，CV测试的分数都会继续提高，即使深度值超过100，也没有任何过
浏览 2提问于2020-06-10得票数 1
1回答
假设我有一个列序列，并且也有一个长度与每个列的特定值相对应的序列。for循环是解决这一问题的最佳方法，还是有一种很好的方法可以将序列转换为像它应该过滤的列？代码看起来类似于：
val df = data.frame(a=1:3,b=1:3,c=1:3) //use R syntax here f
浏览 0提问于2018-09-17得票数 1
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
腾讯会议
云直播
对象存储活动推荐
腾讯云开发者
