我有一个二进制分类数据集.我使用的是XGBoost.我更改了早期停止轮次的值和适配度.它每次都会给出相同的结果.我在下面分享了截图.结果相同的原因是什么？
early_stopping_rounds=10
early_stopping_rounds=16
early_stopping_rounds=30
and lastly epoch eval_metric plots:
我有一个二进制分类数据集.我使用的是XGBoost.我更改了早期停止轮次的值和适配度.它每次都会给出相同的结果.我在下面分享了截图.结果相同的原因是什么？
early_stopping_rounds=10
early_stopping_rounds=16
early_stopping_rounds=30
and lastly epoch eval_metric plots:
通过减少n_estimators棵树来结束训练的提前停止工作when and if最后增加的early_stopping_rounds棵树并没有提高判断集的性能.
当有多个评价集时，最后一个用于提前停止，当有多个评价指标时，再次使用最后一个.因此，在这里，我们需要注意您的曲线图中的AUC测试曲线.由于它会一直增加到100(n_estimators的默认设置)，所以无论您为它设置多少次迭代以等待改进，提前停止都不会起作用.
此外，从the docs:
请注意，
xgboost.train()将返回上次迭代的模型，而不是最好的模型.
这是来自原生API文档，我不确定这条注释是否同样适用于SCRICKIT-LEARN API.