g*******u
发帖数: 3948 | 1 features dim 大概有60
做多类分类
总共有训练样本10，000 测试样本2000
iteration set 1000
训练样本从1000 逐渐增加到10，000， train error 一直是 0 .。。
test error 在样本增加到7000左右的时候 变很小
其他还可以解释.
这个training error 随着样本增加 都不变 而且一直是 0.
哪里可能出问题？谢谢 |
w***g
发帖数: 5958 | 2 xgb就是train error很小的。你把树深度缩小点能有改进。
：features dim 大概有60
：做多类分类 |
g*******u
发帖数: 3948 | 3 多谢大神指点， 那就说问题不大呗？现在树深 10. 三类问题。看到train error 0 怕
给老板到最后闹乌龙。
另外感觉 xgboost 也基本不需要调参数啊。。。。也就是树的深度调节一下， 循环
次数调节一下
eta 大部分情况 0.1 or 0.08就很好用。其他 也基本不需要调节啊。
【在 w***g 的大作中提到】
: xgb就是train error很小的。你把树深度缩小点能有改进。
:
: ：features dim 大概有60
: ：做多类分类
|
w***g
发帖数: 5958 | 4 树深10那绝对太深了。我用xgb做了不少东西啦，树深从没超过3。
【在 g*******u 的大作中提到】
: 多谢大神指点， 那就说问题不大呗？现在树深 10. 三类问题。看到train error 0 怕
: 给老板到最后闹乌龙。
: 另外感觉 xgboost 也基本不需要调参数啊。。。。也就是树的深度调节一下， 循环
: 次数调节一下
: eta 大部分情况 0.1 or 0.08就很好用。其他 也基本不需要调节啊。
|
m******r
发帖数: 1033 | |
g*******u
发帖数: 3948 | 6 哪几个比较重要需要调节 ？ 谢谢
【在 m******r 的大作中提到】
: xgb参数挺多的，好像5,6个都不止。
|
g*******u
发帖数: 3948 | 7 看来 overfit了， 但是 在测试机上 效果还可以啊。。。这怎么办？
深度深， training error 0， 测试data 结果还不错， 只有 精度 99%。
我试试 浅点3，4 之类的 ？ 但是那样test 结果就差了，精度 96%。
这怎么算？
【在 w***g 的大作中提到】
: 树深10那绝对太深了。我用xgb做了不少东西啦，树深从没超过3。
|
n******g
发帖数: 2201 | 8 魏老师威武！
哈哈问个初级问题 这model 咋储存的？如果是linear regression 那么好办 存个
weights array w1 w2 ... 就好
这种树模型是咋存到memory里的？
不好意思钱老转行 基础知识不扎实
[在 wdong (万事休) 的大作中提到：]
:树深10那绝对太深了。我用xgb做了不少东西啦，树深从没超过3。 |
m******r
发帖数: 1033 | 9 你要是用R的话，可以把模型dump成为txt文件或json文件，得到的无非是一堆树， 每
个树无非是if, else 其实挺简单的。 预测的时候，每一颗树对一个observation计算
一下，比如200棵树，你就有200个值（概率），自己求个平均。
我上回碰到个问题： 明明模型训练时我看有比如200个iteration, dump出来的树有201
棵，没想出来怎么回事，也许你可以看看。
【在 n******g 的大作中提到】
: 魏老师威武！
: 哈哈问个初级问题 这model 咋储存的？如果是linear regression 那么好办 存个
: weights array w1 w2 ... 就好
: 这种树模型是咋存到memory里的？
: 不好意思钱老转行 基础知识不扎实
: [在 wdong (万事休) 的大作中提到：]
: :树深10那绝对太深了。我用xgb做了不少东西啦，树深从没超过3。
|
n******g
发帖数: 2201 | 10 理解点了 你说的挺好 大概是一堆Boolean 函数？
[在 magliner (magliner) 的大作中提到：]
:你要是用R的话，可以把模型dump成为txt文件或json文件，得到的无非是一堆树， 每
:个树无非是if, else 其实挺简单的。 预测的时候，每一颗树对一个observation计
算一下，比如200棵树，你就有200个值（概率），自己求个平均。
:我上回碰到个问题： 明明模型训练时我看有比如200个iteration, dump出来的树有
201棵，没想出来怎么回事，也许你可以看看。 |
|
|
w***g
发帖数: 5958 | 11 可能你的问题就是需要比较深的。3不够再试456。我还是觉得不需要到10。
不过test如果到了0.99了，也没必要再折腾了。
一般就是training accuracy >> test accuracy时要尝试减小树的深度，增加
regularization。 一直减/加到test accuracy不再升高为止。
【在 g*******u 的大作中提到】
: 多谢大神指点， 那就说问题不大呗？现在树深 10. 三类问题。看到train error 0 怕
: 给老板到最后闹乌龙。
: 另外感觉 xgboost 也基本不需要调参数啊。。。。也就是树的深度调节一下， 循环
: 次数调节一下
: eta 大部分情况 0.1 or 0.08就很好用。其他 也基本不需要调节啊。
|
g*******u
发帖数: 3948 | 12 是啊
有尝试了下
深度 减少到3，4 的时候 精度是 98%多点吧 之前算错了
但是10的 时候 可以到 99%
之前觉得犹豫也是因为 虽然觉得可能overfit 但是 testdata上 比较好 。
不过很好的 经验了 记下了
另外 我这个问题 要做到 sensitivity 接近 100% specificity最好 95%以上
现在 sensitivity 98.5% specificity 99.2%
sensitivity 还差距很大的。
估计 调整阈值以后 sensitivity 每升一点点， specificity 就会下降很多。。
【在 w***g 的大作中提到】
: 可能你的问题就是需要比较深的。3不够再试456。我还是觉得不需要到10。
: 不过test如果到了0.99了，也没必要再折腾了。
: 一般就是training accuracy >> test accuracy时要尝试减小树的深度，增加
: regularization。 一直减/加到test accuracy不再升高为止。
|
h**********e
发帖数: 4328 | 13 试试调class weight吧
【在 g*******u 的大作中提到】
: 是啊
: 有尝试了下
: 深度 减少到3，4 的时候 精度是 98%多点吧 之前算错了
: 但是10的 时候 可以到 99%
: 之前觉得犹豫也是因为 虽然觉得可能overfit 但是 testdata上 比较好 。
: 不过很好的 经验了 记下了
: 另外 我这个问题 要做到 sensitivity 接近 100% specificity最好 95%以上
: 现在 sensitivity 98.5% specificity 99.2%
: sensitivity 还差距很大的。
: 估计 调整阈值以后 sensitivity 每升一点点， specificity 就会下降很多。。
|
w***g
发帖数: 5958 | 14 见识新东西啦
【在 g*******u 的大作中提到】
: 是啊
: 有尝试了下
: 深度 减少到3，4 的时候 精度是 98%多点吧 之前算错了
: 但是10的 时候 可以到 99%
: 之前觉得犹豫也是因为 虽然觉得可能overfit 但是 testdata上 比较好 。
: 不过很好的 经验了 记下了
: 另外 我这个问题 要做到 sensitivity 接近 100% specificity最好 95%以上
: 现在 sensitivity 98.5% specificity 99.2%
: sensitivity 还差距很大的。
: 估计 调整阈值以后 sensitivity 每升一点点， specificity 就会下降很多。。
|
g*******u
发帖数: 3948 | 15 我每类别样本数目基本平均 需要调节class weight吗？
【在 h**********e 的大作中提到】
: 试试调class weight吧
|
g*******u
发帖数: 3948 | 16 是不是只要在test 数据上 误差小（或者说只要test误差和train误差比较小就可以？
） 就不用管 train 上 error 很小很小的 问题？
【在 w***g 的大作中提到】
: 见识新东西啦
|
w***g
发帖数: 5958 | 17 是的。
【在 g*******u 的大作中提到】
: 是不是只要在test 数据上 误差小（或者说只要test误差和train误差比较小就可以？
: ） 就不用管 train 上 error 很小很小的 问题？
|
L****8
发帖数: 3938 | 18 overfit是个伪概念
数据本身如果没有啥噪声 使劲fit就行了
【在 g*******u 的大作中提到】
: 看来 overfit了， 但是 在测试机上 效果还可以啊。。。这怎么办？
: 深度深， training error 0， 测试data 结果还不错， 只有 精度 99%。
: 我试试 浅点3，4 之类的 ？ 但是那样test 结果就差了，精度 96%。
: 这怎么算？
|
h**********e
发帖数: 4328 | 19 你每类样本数目虽然平均
但你对每类的准确度要求不是不一样吗
【在 g*******u 的大作中提到】
: 我每类别样本数目基本平均 需要调节class weight吗？
|
g*******u
发帖数: 3948 | 20 没调过这个参数啊 不知道咋用啊。。。。
简单说几句？
thx
【在 h**********e 的大作中提到】
: 你每类样本数目虽然平均
: 但你对每类的准确度要求不是不一样吗
|
