如何使用 accuracy_score（或其他建议的函数）测量 xgboost 回归器的准确性

Posted 2023-02-16

【中文标题】如何使用 accuracy_score（或其他建议的函数）测量 xgboost 回归器的准确性

【英文标题】：How to measure xgboost regressor accuracy using accuracy_score (or other suggested function)

【发布时间】：2020-03-28 16:22:59

【问题描述】：

我正在编写代码来解决预测库存中物品丢失概率的简单问题。

我正在使用 XGBoost 预测模型来执行此操作。

我将数据拆分为两个 .csv 文件，一个包含 Train Data，另一个包含 Test Data

代码如下：

    import pandas as pd
    import numpy as np


    train = pd.read_csv('C:/Users/pedro/Documents/Pedro/UFMG/8o periodo/Python/Trabalho Final/train.csv', index_col='sku').fillna(-1)
    test = pd.read_csv('C:/Users/pedro/Documents/Pedro/UFMG/8o periodo/Python/Trabalho Final/test.csv', index_col='sku').fillna(-1)


    X_train, y_train = train.drop('isBackorder', axis=1), train['isBackorder']

    import xgboost as xgb
    xg_reg = xgb.XGBRegressor(objective ='reg:linear', colsample_bytree = 0.3, learning_rate = 0.1,
                    max_depth = 10, alpha = 10, n_estimators = 10)
    xg_reg.fit(X_train,y_train)


    y_pred = xg_reg.predict(test)

    # Create file for the competition submission
    test['isBackorder'] = y_pred
    pred = test['isBackorder'].reset_index()
    pred.to_csv('competitionsubmission.csv',index=False)

这是我尝试测量问题准确性的函数（使用 RMSE 和 accuracy_scores 函数并进行 KFold 交叉验证

#RMSE
from sklearn.metrics import mean_squared_error

rmse = np.sqrt(mean_squared_error(y_train, y_pred))
print("RMSE: %f" % (rmse))


#Accuracy
from sklearn.metrics import accuracy_score

# make predictions for test data
predictions = [round(value) for value in y_pred]

# evaluate predictions
accuracy = accuracy_score(y_test, y_pred)
print("Accuracy: %.2f%%" % (accuracy * 100.0))


#KFold
from sklearn.model_selection import KFold
from sklearn.model_selection import cross_val_score

# CV model
kfold = KFold(n_splits=10, random_state=7)
results = cross_val_score(xg_reg, X_train, y_train, cv=kfold)
print("Accuracy: %.2f%% (%.2f%%)" % (results.mean()*100, results.std()*100))

但是我遇到了一些问题。

上述准确性测试均无效。

使用RMSE函数和Accuracy函数时，出现如下错误： ValueError: 发现样本数量不一致的输入变量：[1350955, 578982]

我猜我使用的训练和测试数据拆分结构不正确。

由于我没有 y_test（而且我不知道如何在我的问题中创建它），我无法在函数的上述参数中使用它。

K 折验证也不起作用。

有人可以帮我吗？

【参考方案1】：

您唯一的问题是您需要验证数据。您无法测量 predict(x_test) 和不存在的 y_test 之间的准确度。使用sklearn.model_selection.train_test_split 根据您的训练数据制作验证集。您将拥有一个训练集、验证集和测试集。您可以在验证集上评估模型的性能。

from sklearn.model_selection import train_test_split

X_train, X_test, y_train, y_test = train_test_split(x, y)

其他说明：

准确性在这里毫无意义，因为您试图预测连续值。仅对分类变量使用准确度。

至少，这可以工作：

import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split
import xgboost as xgb
from sklearn.metrics import mean_squared_error
from sklearn.model_selection import KFold
from sklearn.model_selection import cross_val_score

train = pd.read_csv('C:/Users/pedro/Documents/Pedro/UFMG/8o periodo/Python/Trabalho Final/train.csv', index_col='sku').fillna(-1)
test_data = pd.read_csv('C:/Users/pedro/Documents/Pedro/UFMG/8o '
                    'periodo/Python/Trabalho Final/test.csv', index_col='sku').fillna(-1)

x, y = train.drop('isBackorder', axis=1), train['isBackorder']
X_train, X_test, y_train, y_test = train_test_split(x, y)

xg_reg = xgb.XGBRegressor(objective ='reg:linear', colsample_bytree = 0.3, learning_rate = 0.1,
                max_depth = 10, alpha = 10, n_estimators = 10)

xg_reg.fit(X_train,y_train)

kfold = KFold(n_splits=10, random_state=7)
results = cross_val_score(xg_reg, X_train, y_train, cv=kfold)
y_test_pred = xg_reg.predict(X_test)

mse = mean_squared_error(y_test_pred, y_test)

y_pred = xg_reg.predict(X_test)

pd.DataFrame(y_pred).to_csv('competitionsubmission.csv',index=False)

【讨论】：

你好尼古拉斯，谢谢你的回答。我尝试使用 train_test_split 函数，但它不起作用。我想我没有以正确的方式使用它。我不确定如何将我的训练集分成变量 X 和 Y 以在 train_test_split 函数中使用它们。你能解释一下正确的方法吗？和其他问题。由于准确性对连续值没有意义，那么衡量模型效率的最佳方法是什么？您建议我使用哪个功能？

查看我的编辑。这就是我能做的。它应该工作。如果没有，错误将是轻微的。

成功了！非常感谢尼古拉斯！真的帮了我！

嗨，你能解释一下吗？您使用 cross_val_score() 生成“结果”，但随后似乎不再使用结果。 cross_val_score 是否修改 xg_reg 对象？