xgboost参数及调参

常规参数General Parameters

1. booster[default=gbtree]:选择基分类器，可以是：gbtree,gblinear或者dart。gbtree和draf基于树模型，而gblinear基于线性模型。
2. slient[default=0]：是否有运行信息输出，设置为1则没有运行信息输出。
3. nthread[default to maximum number of threads available if not set]：线程数，默认使用能使用的最大线程数。

模型参数Booster Parameters

1. eta[default=0.3]:收缩参数，也即学习率。用于更新叶节点权重时，乘该系数，避免步长过大。参数值越大，越可能无法收敛。把eta设置的小一些，小的学习率可以使后面的学习更加仔细。
2. min_child_weight[default=1]:每个叶子里面的h的和至少是多少，这个参数非常影响结果，控制叶子节点中二阶导的和的最小值，该参数越小，越容易过拟合。
3. max_depth[default=6]:每棵树的最大深度，该参数设置越大，越容易过拟合。
4. max_leaf_nodes:最大叶节点数，和max_depth类似。
5. gamma[default=0]:后剪枝时，用于控制是否后剪枝。
6. max_delta_step[default=0]:该参数可以使得更新更加平缓，如果取0表示没有约束，如果取正值则使得更新步骤更加保守，防止更新时迈的步子太大。
7. subsample[default=1]:样本随机样本，该参数越大，越容易过拟合，但设置过大也会造成过拟合。
8. colsample_bytree[default=1]:列采样，对每棵树生成时用的特征进行列采样，一般设置为0.5-1
9. lambda[default=1]:模型的L2正则化参数，参数越大，越不容易过拟合。
10. alpha[default=0]:模型的L1正则化参数，参数越大，越不容易过拟合。
11. scale_pos_weight[default=1]:如果取值大于0，在类别样本偏斜时，有助于快速收敛。

学习任务参数(Learning Task Parameters)

1. objective[default=reg:linear]:定义最小化损失函数类型，常用参数：

• binary:logistic –二元分类的逻辑回归模型，返回预测概率(p(y=1|x,w))
• multi:softmax –使用softmax objective的多类分类模型，返回预测的分类。这里需要设置一个额外的num_class参数，表示类的个数。
• multi:softprob –与softmax相同，但是返回每个数据点属于每个类的预测概率。

1. eval_metric[default according to objective]:用于衡量验证数据的参数，即是各评价标准，常用参数如下:

• rmse – root mean square error
• mae – mean absolute error
• logloss – negative log-likelihood
• error – Binary classification error rate (0.5 threshold)
• merror – Multiclass classification error rate
• mlogloss – Multiclass logloss
• auc: Area under the curve

1. seed[default=0]:随机种子，用于产生可复现的结果。
   
   这里，xgboost与sklearn的命名风格有点区别，如：

• eta->learning_rate
• lambda->reg_lambda
• alpha->reg_alpha

参数调优

1. import必要的库

    #Import libraries:
    import pandas as pd
    import numpy as np
    import xgboost as xgb
    from xgboost.sklearn import XGBClassifier
    from sklearn import cross_validation, metrics   #Additional     scklearn functions
    from sklearn.grid_search import GridSearchCV   #Perforing grid search
    import matplotlib.pylab as plt
    %matplotlib inline
    from matplotlib.pylab import rcParams
    rcParams['figure.figsize'] = 12, 4
    train = pd.read_csv('train_modified.csv')
    target = 'Disbursed'
    IDcol = 'ID'
   

注意，这里import两种XGBoost：

• xgb-直接引用xgboost，接下来会用到其中的‘cv’函数。
• XGBClassifier-是xgboost的sklearn包。这个包允许我们使用Grid Search和并行处理。
  
  参考链接：http://blog.csdn.net/u010657489/article/details/51952785