XGBoost-Hyperparameter

Die folgende Tabelle enthält die Teilmenge der Hyperparameter, die für den Amazon- SageMaker XGBoost-Algorithmus erforderlich sind oder am häufigsten verwendet werden. Dies sind Parameter, die von Benutzern festgelegt werden, um die Schätzung der Modellparameter aus Daten zu erleichtern. Die obligatorischen Hyperparameter, die festgelegt werden müssen, sind zuerst aufgelistet (in alphabetischer Reihenfolge). Die optionalen Hyperparameter, die festgelegt werden können, sind als Nächstes aufgeführt (ebenfalls in alphabetischer Reihenfolge). Der SageMaker-XGBoost-Algorithmus ist eine Implementierung des Open-Source-DMLC-XGBoost-Pakets. Weitere Informationen zum vollständigen Satz von Hyperparametern, die für diese Version von XGBoost konfiguriert werden können, finden Sie unter XGBoost-Parameter.

Name des Parameters	Beschreibung
num_class	Die Anzahl der Klassen. Erforderlich, wenn objective auf multi:softmax oder multi:softprob festgelegt ist. Gültige Werte: Ganzzahl.
num_round	Die Anzahl der Runden, die für die Ausführung der Schulung notwendig ist. Erforderlich Gültige Werte: Ganzzahl.
alpha	L1-Regularisierungsbedingung für Gewichtungen. Eine Erhöhung dieses Werts macht Modelle konservativer. Optional Gültige Werte: Gleitkommazahl. Standardwert: 0
base_score	Die erste Prognosebewertung aller Instances, globale Verzerrung. Optional Gültige Werte: Gleitkommazahl. Standardwert: 0.5
booster	Welcher Booster empfiehlt sich? Die Werte gbtree und dart verwenden baumbasierte Modelle, während gblinear eine lineare Funktion verwendet. Optional Gültige Werte: Zeichenfolge. Entweder "gbtree", "gblinear" oder "dart". Standardwert: "gbtree"
colsample_bylevel	Teilstichprobenverhältnis von Spalten für jede Teilung auf jeder Ebene. Optional Gültige Werte: Gleitkommazahl. Bereich: [0,1]. Standardwert: 1
colsample_bynode	Teilstichprobenverhältnis der Spalten von jedem Knoten. Optional Gültige Werte: Gleitkommazahl. Bereich: [0,1]. Standardwert: 1
colsample_bytree	Teilstichprobenverhältnis von Spalten beim Erstellen jedes Baums. Optional Gültige Werte: Gleitkommazahl. Bereich: [0,1]. Standardwert: 1
csv_weights	Wenn dieses Flag aktiviert ist, differenziert XGBoost die Bedeutung von Instances für CSV-Eingaben, indem die zweite Spalte (die Spalte nach den Bezeichnungen) in Schulungsdaten als Instance-Gewichtungen herangezogen wird. Optional Gültige Werte: 0 oder 1 Standardwert: 0
deterministic_histogram	Wenn dieses Flag aktiviert ist, erstellt XGBoost deterministisch ein Histogramm auf der GPU. Wird nur verwendet, wenn tree_method auf gpu_hist festgelegt ist. Eine vollständige Liste gültiger Eingabeparameter finden Sie unter XGBoost Parameters. Optional Gültige Werte: Zeichenfolge. Bereich: "true" oder "false". Standardwert: "true"
early_stopping_rounds	Das Modell wird so lange geschult, bis die Validierungsbewertung keine Verbesserung mehr zeigt. Validierungsfehler müssen mindestens alle early_stopping_rounds verringert werden, um die Schulungen fortzusetzen. SageMaker-Hosting verwendet das beste Modell für die Inferenz. Optional Gültige Werte: Ganzzahl. Standardwert: -
eta	Reduzierung der Schrittgröße in Updates, um Überanpassung zu verhindern. Nach jedem Boosting-Schritt können Sie direkt die Gewichtungen der neuen Merkmale erhalten. Der Parameter eta verkleinert die Merkmalsgewichtungen, sodass der Boosting-Prozess konservativer wird. Optional Gültige Werte: Gleitkommazahl. Bereich: [0,1]. Standardwert: 0.3
eval_metric	Evaluationsmetriken für die Datenvalidierung. Eine Standardmetrik wird je nach Ziel zugewiesen: rmse: zur Regression error: zur Klassifizierung map: für die Rangfolge Eine Liste gültiger Eingabeparameter finden Sie unter XGBoost-Parameter für die Lernaufgabe. Optional Gültige Werte: Zeichenfolge. Standardwert: Standard gemäß Ziel.
gamma	Es ist eine minimale Verlustreduzierung erforderlich, um eine weitere Partition auf einem Blattknoten des Baums zu erstellen. Je größer, desto konservativer ist der Algorithmus. Optional Gültige Werte: Gleitkommazahl. Bereich: [0,∞). Standardwert: 0
grow_policy	Steuert die Art und Weise, wie neue Knoten zur Struktur hinzugefügt werden. Wird derzeit nur unterstützt, wenn tree_method auf hist festgelegt ist. Optional Gültige Werte: Zeichenfolge. Entweder "depthwise" oder "lossguide". Standardwert: "depthwise"
interaction_constraints	Geben Sie Gruppen von Variablen an, die interagieren dürfen. Optional Gültige Werte: Verschachtelte Liste von ganzen Zahlen. Jede Ganzzahl steht für ein Feature, und jede verschachtelte Liste enthält Features, die interagieren dürfen, z. B. [[1,2], [3,4,5]]. Standardwert: Keiner
lambda	L2-Regularisierungsbedingung für Gewichtungen. Eine Erhöhung dieses Werts macht Modelle konservativer. Optional Gültige Werte: Gleitkommazahl. Standardwert: 1
lambda_bias	L2-Regularisierungsbedingung für Verzerrungen. Optional Gültige Werte: Gleitkommazahl. Bereich: [0.0, 1.0]. Standardwert: 0
max_bin	Maximale Anzahl diskreter Pakete zum Gruppieren kontinuierlicher Merkmale. Wird nur verwendet, wenn tree_method auf hist festgelegt ist. Optional Gültige Werte: Ganzzahl. Standardwert: 256
max_delta_step	Maximaler Delta-Schritt für die Gewichtungsschätzung für jeden Baum. Wenn eine positive Ganzzahl verwendet wird, trägt dies zu einer konservativeren Aktualisierung bei. Die bevorzugte Option ist die Verwendung in logistischer Regression. Setzen Sie sie auf 1-10, um die Aktualisierung zu kontrollieren. Optional Gültige Werte: Ganzzahl. Bereich: [0,∞). Standardwert: 0
max_depth	Maximale Tiefe eines Baums. Durch Erhöhen dieses Wertes wird das Modell komplexer und wahrscheinlich überangepasst. 0 gibt an, dass keine Begrenzung vorliegt. Ein Begrenzung ist erforderlich, wenn grow_policy=depth-wise. Optional Gültige Werte: Ganzzahl. Bereich: [0,∞) Standardwert: 6
max_leaves	Maximale Anzahl der hinzuzufügenden Knoten. Ist nur relevant, wenn grow_policy auf lossguide festgelegt ist. Optional Gültige Werte: Ganzzahl. Standardwert: 0
min_child_weight	Minimale Summe der Instance-Gewichtung (Hesse), die für eine untergeordnete Struktur erforderlich ist. Wenn der Partitionsschritt des Baums einen Blattknoten zum Ergebnis hat, dessen Instance-Gewicht-Summe kleiner als min_child_weight ist, verzichtet der Aufbauprozess auf eine weitere Partitionierung. In linearen Regressionsmodellen entspricht dies einer Mindestanzahl von erforderlichen Instances in den einzelnen Knoten. Je größer der Algorithmus, desto konservativer. Optional Gültige Werte: Gleitkommazahl. Bereich: [0,∞). Standardwert: 1
monotone_constraints	Gibt Einschränkungen der Monotonie für jedes Feature an. Optional Gültige Werte: Tupel von ganzen Zahlen. Gültige Ganzzahlen: -1 (abnehmende Einschränkung), 0 (keine Einschränkung), 1 (zunehmende Einschränkung). Beispiel: (0, 1): Keine Einschränkung für den ersten Prädiktor und eine zunehmende Einschränkung für den zweiten. (-1, 1): Abnehmende Einschränkung für den ersten Prädiktor und eine zunehmende Einschränkung für den zweiten. Standardwert: (0, 0)
normalize_type	Typ eines Normalisierungsalgorithmus. Optional Gültige Werte: Entweder tree oder forest. Standardwert: tree
nthread	Anzahl der parallelen Threads zum Ausführen von xgboost. Optional Gültige Werte: Ganzzahl. Standardwert: Maximale Anzahl an Threads.
objective	Legt die Lernaufgabe und das entsprechende Lernziel fest. Beispiele: reg:logistic, multi:softmax, reg:squarederror. Eine vollständige Liste gültiger Eingabeparameter finden Sie unter XGBoost-Parameter für die Lernaufgabe. Optional Zulässige Werte: String Standardwert: "reg:squarederror"
one_drop	Wenn diese Kennzeichen aktiviert ist, fällt während eines Abbruchs mindestens ein Baum aus. Optional Gültige Werte: 0 oder 1 Standardwert: 0
process_type	Typ des auszuführenden Boosting-Prozesses. Optional Gültige Werte: Zeichenfolge. Entweder "default" oder "update". Standardwert: "default"
rate_drop	Die Ausfallrate, die einen Bruchteil eines vorherigen Baums angibt, der während eines Abbruchs ausfällt. Optional Gültige Werte: Gleitkommazahl. Bereich: [0.0, 1.0]. Standardwert: 0.0
refresh_leaf	Dies ist ein Parameter des Aktualisierungs-Plugins 'refresh'. Wenn Sie ihn auf true (1) festlegen, werden die Statistiken der Blätter und Knoten eines Baumes aktualisiert. Wenn Sie ihn auf false (0) festlegen, werden nur die Statistiken der Knoten aktualisiert. Optional Gültige Werte: 0/1 Standardwert: 1
sample_type	Typ eines Stichprobenalgorithmus. Optional Gültige Werte: Entweder uniform oder weighted. Standardwert: uniform
scale_pos_weight	Kontrolliert die Balance zwischen positiven und negativen Gewichtungen. Er ist nützlich bei Klassen, die nicht im Gleichgewicht sind. Ein typischer Wert dafür: sum(negative cases) / sum(positive cases). Optional Gültige Werte: Gleitkommazahl.. Standardwert: 1
seed	Numerischer Startwert. Optional Gültige Werte: Ganzzahl Standardwert: 0
single_precision_histogram	Wenn dieses Flag aktiviert ist, verwendet XGBoost anstelle von doppelter Präzision zur Erstellung von Histogrammen die einfache Präzision. Wird nur verwendet, wenn tree_method auf hist oder gpu_hist festgelegt ist. Eine vollständige Liste gültiger Eingabeparameter finden Sie unter XGBoost Parameters. Optional Gültige Werte: Zeichenfolge. Bereich: "true" oder "false" Standardwert: "false"
sketch_eps	Wird nur für einen approximativen Greedy-Algorithmus verwendet. Damit ergibt sich eine Paketanzahl von O(1/ sketch_eps). Im Vergleich zur direkten Auswahl der Paketanzahl besteht hier eine theoretische Garantie im Hinblick auf grafikbezogene Genauigkeit. Optional Gültige Werte: Float, Bereich: [0, 1]. Standardwert: 0.03
skip_drop	Wahrscheinlichkeit, mit der das Ausfallverfahren während einer Boosting-Iteration übersprungen wird. Optional Gültige Werte: Gleitkommazahl. Bereich: [0.0, 1.0]. Standardwert: 0.0
subsample	Teilstichprobenverhältnis der Schulungs-Instance. Auf 0,5 setzen, bedeutet, dass XGBoost die Hälfte der Daten-Instances nach dem Zufallsprinzip sammelt, um Bäume zu vergrößern. Dies verhindert eine Überanpassung. Optional Gültige Werte: Gleitkommazahl. Bereich: [0,1]. Standardwert: 1
tree_method	Der in XGBoost verwendete Baum-Konstruktionsalgorithmus. Optional Gültige Werte: One of auto, exact, approx, hist oder gpu_hist. Standardwert: auto
tweedie_variance_power	Parameter, der die Varianz der Tweedie-Verteilung steuert. Optional Gültige Werte: Gleitkommazahl. Bereich: (1, 2) Standardwert: 1.5
updater	Eine durch Komma getrennte Zeichenfolge, welche die Reihenfolge festlegt, in der die Baum-Updater ausgeführt werden. Dies ist eine modulare Methode, um Bäume zu erstellen und zu ändern. Eine vollständige Liste gültiger Eingabeparameter finden Sie unter XGBoost Parameters. Optional Gültige Werte: durch Komma getrennte Zeichenfolge. Standardwert: grow_colmaker, prune
use_dask_gpu_training	Stellen Sie use_dask_gpu_training auf "true" ein, wenn Sie verteilte GPU-Schulungen mit Dask ausführen möchten. Die GPU-Schulung von Dask wird nur für die Versionen 1.5-1 und höher unterstützt. Setzen Sie diesen Wert für Versionen vor 1.5-1 nicht auf "true". Weitere Informationen finden Sie unter Verteilte GPU-Schulung. Optional Gültige Werte: Zeichenfolge. Bereich: "true" oder "false" Standardwert: "false"
verbosity	Ausführlichkeit beim Drucken von Nachrichten. Gültige Werte: 0 (stumm), 1 (Warnung), 2 (Info), 3 (Debug). Optional Standardwert: 1