机器学习：XGBoost 安装及实战应用

请点击上面公众号，免费订阅。　

《实例》阐述算法，通俗易懂，助您对算法的理解达到一个新高度。包含但不限于：经典算法，机器学习，深度学习，LeetCode 题解，Kaggle 实战。期待您的到来！

01

—

回顾

昨天推送了XGBoost的原理，已知某个样本 xi ，经过XGBoost 求解得到的 yi 是由 K 个决策树线性叠加的结果。那么在求解每个树的叶子节点的权重参数时，用的目标函数是损失函数 Loss 和正则化惩罚项组成的，XGBoost对这个目标函数做了很多次演化，其中重要的两步：

1. 将损失函数 loss 用泰勒公式展开取前三项，这样能适应一般的问题，而不仅仅是常见的最小平方误差项。

2. 将目标函数对样本的遍历转化为对叶子节点的遍历，这样带来的好处是，目标函数是权重参数的一维二元函数，非常容易求每个叶子节点最好的权重参数和对应的目标值。
   

下面，看下实际应用中，如何安装 XGBoost 和怎么使用XGBoost做分类和回归任务。

02

—

XGBoost安装

推荐用 Anaconda 进行安装，输入如下的命令：

如果报错，那就需要去下载 XGBoost 的安装文件（安装文件的后缀名为.whl），下载后放入一个目录，然后输入如下命令：

好了，安装过程结束。

如需要以上whl文件，或者安装过程中出现文件版本不一致问题，请参考以下链接，下载对应的XGBoost的版本：https://www.lfd.uci.edu/~gohlke/pythonlibs/

• xgboost‑0.6+20171121‑cp35‑cp35m‑win32.whl

• xgboost‑0.6+20171121‑cp35‑cp35m‑win_amd64.whl

• xgboost‑0.6+20171121‑cp36‑cp36m‑win32.whl

• xgboost‑0.6+20171121‑cp36‑cp36m‑win_amd64.whl

出现下面这个界面，才说明安装成功：

03

—

XGBoost实战

应用 xgboost 做一个分类任务，用到的数据集是 pima-indians-diabetes 糖尿病人的分类任务，数据样本前10个如下，可以看到最后一列是标签值，0或1。

  3.1 基本训练思路

先应用xgboost对以上模型做一个基本的训练，训练的思路，代码如下：

#1 导入库

from numpy import loadtxt

from xgboost import XGBClassifier

from sklearn.model_selection import train_test_split

from sklearn.metrics import accuracy_score

#2 加载糖尿病人数据集

dataset = loadtxt('pima-indians-diabetes.csv',delimiter=",")

#3 分割数据为 X 和 y

X = dataset[:,0:8]

Y = dataset[:,8]

#4 用训练数据进行模型拟合

model = XGBClassifier()

model.fit(X_train,y_train)

#5 用测试数据进行预测

y_pred = model.predict(X_test)

predictions = [round(value) for value in y_pred]

#6 评估预测精度

accuracy = accuracy_score(y_test,predictions)

print("精度等于: %.3f%%" %(accuracy*100.0))

结果为，精度等于: 76.623%

3.2 查看每轮集成效果

因为 xgboost 是在原来模型的基础上加入一个又一个的决策树的，那么分析下每加入一个新的树后，问题的精度变化情况，修改第四步为如下：

#4 用训练数据进行模型拟合

evals = [(X_test,y_test)]

model.fit(X_train,y_train,early_stopping_rounds=15,eval_metric="logloss",eval_set=evals, verbose=True)

可以看到，每加入一棵树后，损失值的变化情况，选取前7轮树的集成对损失值的影响情况，如下图所示：

[0] validation_0-logloss:0.665117

Will train until validation_0-logloss hasn't improved in 15 rounds.

[1] validation_0-logloss:0.637394

[2] validation_0-logloss:0.611943

[3] validation_0-logloss:0.591936

[4] validation_0-logloss:0.575281

[5] validation_0-logloss:0.562751

[6] validation_0-logloss:0.551439

[7] validation_0-logloss:0.540937

...

3.3 绘制特征的重要性

查看每个特征的重要程度，与基本训练思路差不多，增加的代码，

导入如下库：

from xgboost import plot_importance

#绘制特征的重要性

plot_importance(model)

pyplot.show()

xgboost也会有很多参数可以调节，常见的有：学习率，树的一些参数：深度等，还有正则化的参数，这些参数都在昨天的xgboost的原理介绍中有涉及，可以参考昨天的推送。

参数调优，可以借助sklearn的 GridSearchCV模块，关于这块可以参考sklearn官网去查看。

04

—

总结

今天总结了xgboost库的安装和使用，对一个葡萄糖病人的数据集做了分类，绘制了每个特征的重要性，明白了xgboost的原理，对于xgboost的参数调优就变得明了了。

XGBoost 是提升树模型中一个性能比较好的算法，在此之前，比它古老点的，也是一个树提升的模型：GBDT（梯度提升决策树），这个算法的原理又是怎样的呢？它和XGBoost相比，有什么异同点呢？ 欢迎关注明天的推送。

算法channel已推送的更多文章：

1 机器学习：不得不知的概念（1）

2 机器学习：不得不知的概念（2）

3 机器学习：不得不知的概念（3）

4 回归分析简介

5 最小二乘法：背后的假设和原理（前篇）

6 最小二乘法原理（后）：梯度下降求权重参数

7 机器学习之线性回归：算法兑现为python代码

8 机器学习之线性回归：OLS 无偏估计及相关性python分析

9 机器学习线性回归：谈谈多重共线性问题及相关算法

10 机器学习：说说L1和L2正则化

11 机器学习逻辑回归：原理解析及代码实现

12 机器学习逻辑回归：算法兑现为python代码

13 机器学习：谈谈决策树

14  机器学习：对决策树剪枝

15 机器学习决策树：sklearn分类和回归

16 机器学习决策树：提炼出分类器算法

17 机器学习：说说贝叶斯分类

18 朴素贝叶斯分类器：例子解释

19 朴素贝叶斯分类：拉普拉斯修正

20 机器学习：单词拼写纠正器python实现

21 机器学习：半朴素贝叶斯分类器

22 机器学习期望最大算法：实例解析

23  机器学习高斯混合模型（前篇）：聚类原理分析

24  机器学习高斯混合模型（中篇）：聚类求解

25 机器学习高斯混合模型（后篇）：GMM求解完整代码实现

26 高斯混合模型：不掉包实现多维数据聚类分析

27 高斯混合模型：GMM求解完整代码实现

28 数据降维处理：背景及基本概念

29 数据降维处理：PCA之特征值分解法例子解析

30 数据降维处理：PCA之奇异值分解（SVD）介绍

31 数据降维处理：特征值分解和奇异值分解的实战分析

32 机器学习集成算法：XGBoost思想

33 机器学习集成算法：XGBoost模型构造

《实例》阐述算法，通俗易懂，助您对算法的理解达到一个新高度。包含但不限于：经典算法，机器学习，深度学习，LeetCode 题解，Kaggle 实战。期待您的到来！