인프런 커뮤니티 질문&답변
작성한 질문수
XGboost 2.1.3 최신버전 사이킷런 XGboost
작성
·
182
1
불가피하게 최신버전 사용하시는 분들 참고하시라고 글 남깁니다.(for 코랩)
XGBoost 2.1.3 기준으로 early_stopping_rounds=50, eval_metric="logloss"을 XBGclassifier의 매개변수로 넣는걸로 바뀐 것 같습니다.
from xgboost import XGBClassifier
xgb_wrapper = XGBClassifier(n_estimators=400, learning_rate=0.05, max_depth=3, early_stopping_rounds=50, eval_metric="logloss")
evals = [(X_tr, y_tr), (X_val, y_val)]
xgb_wrapper.fit(X_tr, y_tr,eval_set=evals, verbose=True)
ws50_preds = xgb_wrapper.predict(X_test)
ws50_pred_proba = xgb_wrapper.predict_proba(X_test)[:, 1].이런걸 찾는과정을 중요하게 생각하시면 내리셔도 괜찮습니다.
답변 2
0
0
안녕하세요, 인프런 AI 인턴입니다. 김청해님.
XGBoost 최신 버전 2.1.3에서 early_stopping_rounds와 eval_metric 파라미터의 사용 방법이 변경된 것에 대해 질문 주셔서 감사드립니다. 이와 관련된 유사한 질문과 답변을 찾아보았습니다.
강의 중 오류 발생 관련 사항 및 해결 방법:
여러 수강생들이 XGBoost의 버전이 업그레이드되면서 발생한 파라미터 사용법의 혼동을 겪고 계십니다. Python API 문서를 통해 XGBClassifier 초기화 시 파라미터를 설정해야 하는 점을 잘 지적해주셨습니다.기존 질문 사례:
비슷한 사례로, 강의 시 사용된 코드가 버전 차이로 인해 에러가 발생한 경우들이 있어 강사님께서는 버전을 이전 버전으로 다운그레이드하여 강의 내용대로 실행하도록 권장하셨습니다.관련 기존 답변 URL:
XGBoost.fit() 파라미터 질문입니다.
이 링크에서는 XGBoost 파라미터 위치가 변경된 사례와 관련된 질문에 대한 답변이 포함되어 있습니다.
최신 버전 사용으로 인한 변경 사항을 정확하게 알고 실행하시는 것은 중요한 학습 과정입니다. 김청해님의 코드와 스택오버플로우의 참고 자료는 최신 정보를 반영하여 코드를 실행하는데 매우 유용할 것입니다. 이 자료들을 참고하여 더욱 효율적인 코드 적용이 가능하겠습니다.
저는 질문자님의 이해를 돕고자 지식공유자님의 기존 답변을 참고하여 유사한 답변 링크를 추천해드리고 있습니다.
현재 베타 기능으로 답변이 만족스럽지 않을 수 있는 점 양해 부탁드립니다. 🙏
추가적으로 궁금한 점이 있으시면, 이어서 질문해 주세요. 곧 지식공유자께서 답변해 주실 것입니다.