Si tienes alguna pregunta, puedes hacerla a continuación o ingresar lo que estás buscando.
Estoy entrenando un modelo de XGBoost y realizando una optimización de hiperparámetros utilizando randomizedSearchCV. Especifico la distribución de los parámetros de la siguiente manera: from xgboost import XGBRegressor # Definir un modelo de regresión xgboost model = XGBRegressor() params = { “colsample_bytree”: uniform(0.1, 0.2), # fracción de columnas a muestrear . . . Read more
Tengo una extracción de texto como la siguiente: 1000 árboles, y quiero reconstruir el modelo xgboost a partir de ella y luego probar nuevos archivos en el modelo reconstruido. booster[0]: 0:[sincelastrun<23.2917] yes=1,no=2,missing=2 1:[sincelastrun<18.0417] yes=3,no=4,missing=4 3:leaf=-0.0965415 4:leaf=-0.0679503 2:[sincelastrun<695.025] yes=5,no=6,missing=6 5:leaf=-0.0992546 6:leaf=-0.0984374 . . . booster[1000]: Gracias por la ayuda.
El sklearn.ensemble.GradientBoostingClassifier de Scikit-learn (así como otros métodos de agrupación) almacena sus clasificadores débiles como un atributo de clase, en sklearn.ensemble.GradientBoostingClassifier.estimators_. Estoy probando el paquete XGBoost, pero parece que no hay una forma directa de acceder a los sub-estimadores del modelo, si es que los hay. ¿Existe alguna forma indirecta . . . Read more
Estoy utilizando xgboost para hacer algunas predicciones. Realizamos preprocesamiento, ajuste de hiperparámetros antes de ajustar el modelo. Mientras realizamos diagnósticos del modelo, nos gustaría graficar las importancias de las características con los nombres de las características. Aquí están los pasos que hemos tomado. dividir df en train y test X_train, . . . Read more
Estoy implementando una aplicación de Android que hace predicciones sobre algunos sonidos utilizando chaquopy. Se utilizó XGBoost para crear este modelo que se encuentra en formato json. Estoy usando la última versión de chaquopy (10). Como chaquopy soporta xgboost, este módulo se está instalando, pero cuando intento cargar el módulo . . . Read more