#machine-learning #xgboost
#машинное обучение #xgboost
Вопрос:
Я хочу использовать семя для контроля случайности xgboost. Я думал, что могу использовать разные исходные данные для получения разных результатов прогнозирования с помощью xgboost с одинаковыми параметрами и одним и тем же набором данных (точно так же, как random_state в API sklearn), но, похоже, настройка исходного значения параметра не изменяет результаты прогнозирования. Итак, есть ли что-то неправильное в том, как я использую начальное значение параметра? Как я могу использовать seed для получения разных результатов для одной и той же модели? Вот часть моего кода:
params = { 'silent': 1, 'objective': 'binary:logistic', 'gamma': 0.1, 'min_child_weight': 5, 'disable_default_eval_metric': 1, 'seed': 42} model = xgb.train(params=params, dtrain=d_train, num_boost_round=200, feval=AUROC, evals=[(d_train, 'dtrain'), (d_val, 'dval')], obj=binary_cross_entropy)