我正在使用 XGBoost 并提前停止。经过大约 1000 个 epoch 后，模型仍在改进，但改进的幅度非常低。 IE。：
clf = xgb.train(params, dtrain, num_boost_round=num_rounds, evals=watchlist, early_stopping_rounds=10)
是否可以设置提前停止的“tol”？即：不触发提前停止所需的最低改进水平。
Tol 是 SKLearn 模型中的常用参数，例如 MLPClassifier 和 QuadraticDiscriminantAnalysis。谢谢。
我不认为有参数tol在 xgboost 但你可以设置early_stopping_round更高。该参数意味着如果测试集上的性能没有改善early_stopping_round次，然后就停止了。如果您知道在 1000 个 epoch 后您的模型仍在改进，但速度非常缓慢，请设置early_stopping_round例如，在 50 时，它会更“容忍”性能的微小变化。
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
