0
xgboostのクロス検証を実行していますカーブの下の領域を取得します< 0.5。xgboost.cvは0.5未満の曲線の下の領域を返します
私は
best_params_grid_search={'base_score': 0.5,
'colsample_bylevel': 1,
'colsample_bytree': 0.8,
'gamma': 0,
'learning_rate': 0.3,
'max_delta_step': 0,
'max_depth': 3,
'min_child_weight': 3,
'missing': nan,
'n_estimators': 15,
'objective': 'binary:logistic',
'reg_alpha': 0,
'reg_lambda': 1,
'scale_pos_weight': 1,
'seed': 5,
'silent': 1,
'subsample': 0.8}
skf_inner = StratifiedKFold(n_splits=n_fold_inner,random_state=5, shuffle=True)
dtrain = xgb.DMatrix(X_train, label=y_train, missing = np.nan)
num_rounds = 20
cv_xgb4 = xgb.cv(best_params_grid_search,
dtrain,num_boost_round =num_rounds,folds=skf_inner,metrics={'auc'},seed=5)
に従うが、私はAUC < 0.5を得るようxgboost.cvを実行しています。この結果をどのように解釈すべきですか？
test-auc-mean test-auc-std train-auc-mean train-auc-std
0 0.402675 0.088828 0.777729 0.058559
1 0.390638 0.124389 0.890424 0.044356
2 0.418827 0.068236 0.932992 0.031358
3 0.448971 0.073219 0.946747 0.011304
4 0.460597 0.118598 0.956311 0.008302
5 0.437963 0.057661 0.970979 0.005968
6 0.461831 0.095017 0.978789 0.010346
7 0.422428 0.111894 0.977095 0.014329
8 0.419650 0.117329 0.983260 0.011606
9 0.433745 0.106113 0.989522 0.008979
10 0.440947 0.097941 0.992227 0.009497
11 0.449588 0.071629 0.994396 0.006438
12 0.429218 0.061360 0.995858 0.004400
13 0.455144 0.064862 0.998051 0.002757
14 0.443416 0.057515 0.999513 0.000689
15 0.440535 0.079628 0.999513 0.000689
16 0.446296 0.077557 1.000000 0.000000
17 0.450000 0.074674 1.000000 0.000000
18 0.468107 0.092640 1.000000 0.000000
19 0.451029 0.096165 1.000000 0.000000
データはここdownoladedすることができます。
https://drive.google.com/file/d/0B3vXKJ_zYaCJQmxWX1AtTjdoYWc/view?usp=sharing
は、事前にありがとうございます。それはあなたの分類器は、情報価値の分類器（ランダムセレクタ）.Proof、その後悪化し動作すること、それが意味するので、AUC < 50を持っている非正規だすべての