Description Usage Arguments Value
View source: R/xgb_select_params.R
Seu objetivo é selecionar hyperparametros que maximizem ou minimizem seu objetivo utilizando CV e Sessões. Para isto ele se utiliza do pacote mlrMBO, realizando optimizações de estatística bayesiana
1 2 3 4 | xgb_select_params(dados, n_samples, var_id = NULL, metrica = "logloss",
objetivo = "binary:logistic", niter_data = 10, niter_bayes = 50,
cv.nfolds = 5, cv.nrounds = 3000, nthreads = 3,
tree_method = "hist")
|
dados |
Um objeto data.table com os dados pre processados e uma coluna target |
n_samples |
O tamanho do sorteio par acada classe. Se regressão o tamanbho total da amostra |
var_id |
A variável que identifica cada observação. Ela será removida antes da seleção de parametros. DEFAULT: |
metrica |
A métrica selecionada para o xgboost lidar. DEFAULT: logloss |
objetivo |
A finalidade do modelo. DEFAULT: binary:logistic |
niter_data |
Quantas sessões serão feitas. Quantos sorteios serão feitos nos dados. DEFAULT: 10 |
niter_bayes |
Quantas itereções serão utilizadas no otimizador de bayes. DEFAULT: 50 |
cv.nfolds |
Quantos folds para o CV. DEFAULT: 5 |
cv.nrounds |
Quantidade máxima de nrounds a ser testado. DEFAULT: 3000, |
nthreads |
Quantidade de CPU threads disponíveis para o XGBoost. DEFAULT: 3 |
tree_method |
Método de treino das árvores. DEFAULT: hist. Em hist será treinado na CPU, em gpu_hist na GPU |
Uma lista com três posições: Os parâmetros procurados, o número de nrounds e a melhor métrica encontrada
Add the following code to your website.
For more information on customizing the embed code, read Embedding Snippets.