2
バイナリ分類問題でxgboostクラシファイアをトレーニングします。 70％正確な予測が得られます。しかし、ログロスは9.13で非常に大きいです。なぜなら、いくつかの予測が目標をはるかに超えているからだと思うが、なぜそれが起こるのか分からない。他の人は、xgboostを使って同じデータに対してもっと良いlogloss（0.55-0.6）を報告する。xgboost：妥当な精度にもかかわらず、巨大なログロス
from readCsv import x_train, y_train
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score, log_loss
from xgboost import XGBClassifier
seed=7
test_size=0.09
X_train, X_test, y_train, y_test = train_test_split(
x_train, y_train, test_size=test_size, random_state=seed)
# fit model no training data
model = XGBClassifier(max_depth=5,
learning_rate=0.02,
objective= 'binary:logistic',
n_estimators = 5000)
model.fit(X_train, y_train)
# make predictions for test data
y_pred = model.predict(X_test)
predictions = [round(value) for value in y_pred]
accuracy = accuracy_score(y_test, predictions)
print("Accuracy: %.2f%%" % (accuracy * 100.0))
ll = log_loss(y_test, y_pred)
print("Log_loss: %f" % ll)
print(model)
は、次の出力を生成します。
Accuracy: 73.54%
Log_loss: 9.139162
XGBClassifier(base_score=0.5, colsample_bylevel=1, colsample_bytree=1,
gamma=0, learning_rate=0.02, max_delta_step=0, max_depth=5,
min_child_weight=1, missing=None, n_estimators=5000, nthread=-1,
objective='binary:logistic', reg_alpha=0, reg_lambda=1,
scale_pos_weight=1, seed=0, silent=True, subsample=1)
誰もが私の高いloglossの理由を知っていますか？ありがとう！
丸め予測で精度を計算しますが、丸め予測なしでログ損失を計算することに注意してください。値を丸めずに精度をチェックしようとしましたか？ – rafaelvalle
@rafaelvalleちょうど丸めなしでテスト：正確に同じ数字を生成しました - 73.54％ – ikamen