Вопрос:

скорректировать веса для прогнозируемых классов в xgboost в функции потерь

xgboost

1707 просмотра

1 ответ

2039 Репутация автора

Можно ли скорректировать взвешенную ошибку для данной цели? То, что я пытаюсь сделать, это вес потери выше для более редких классов при прогнозировании мультиклассов.

Автор: TheM00s3 Источник Размещён: 06.03.2017 05:56

Ответы (1)


1 плюс

1733 Репутация автора

При использовании базовой структуры данных вы можете установить вес меток с помощью параметра "set_weight":

set_weight (weight) Установить вес каждого экземпляра.

Параметры: вес (как массив) - вес для каждой точки данных

Хотя документация по этой теме довольно скудная, я нашел разумный ответ, который может быть полезен в предыдущей теме: как параметр «вес» (DMatrix) используется в процедуре повышения градиента (xgboost)?

цитируя это:

Файл веса экземпляра

XGBoost поддерживает предоставление каждому экземпляру веса, чтобы дифференцировать важность экземпляров. Например, если мы предоставим файл веса экземпляра для файла train.txt в следующем примере:

train.txt.weight

1

0,5

0,5

1

0,5

Это означает, что XGBoost будет уделять больше внимания на первом и четвертом экземплярах, то есть на положительных примерах во время обучения. Конфигурация аналогична настройке групповой информации. Если имя файла экземпляра равно «xxx», XGBoost проверит, существует ли файл с именем «xxx.weight» в том же каталоге, и, если он есть, будет использовать весовые коэффициенты при обучении моделей.

Надеюсь, поможет!

Автор: epattaro Размещён: 08.03.2017 02:00
Вопросы из категории :
32x32