使用 xgboost 分类器进行多类分类？

Question

我正在尝试使用 xgboost 进行多类分类，并且我已经使用此代码构建了它，

clf = xgb.XGBClassifier(max_depth=7, n_estimators=1000)

clf.fit(byte_train, y_train)
train1 = clf.predict_proba(train_data)
test1 = clf.predict_proba(test_data)

这给了我一些不错的结果。 对于我的案例，我的对数损失低于 0.7。 但是在浏览了几页之后，我发现我们必须在 XGBClassifier 中使用另一个目标来解决多类问题。 以下是这些页面的推荐内容。

clf = xgb.XGBClassifier(max_depth=5, objective='multi:softprob', n_estimators=1000, 
                        num_classes=9)

clf.fit(byte_train, y_train)  
train1 = clf.predict_proba(train_data)
test1 = clf.predict_proba(test_data)

这段代码也可以工作，但与我的第一个代码相比，它需要很多时间才能完成。

为什么我的第一个代码也适用于多类案例？ 我已经检查过它的默认目标是 binary:logistic 用于二进制分类，但它对多类工作真的很好吗？ 如果两者都正确，我应该使用哪一个？

Answer 1

实际上，即使XGBClassifier的默认 obj 参数是binary:logistic ，它也会在内部判断标签 y 的类数。 当类数大于 2 时，会将 obj 参数修改为multi:softmax 。

https://github.com/dmlc/xgboost/blob/master/python-package/xgboost/sklearn.py

class XGBClassifier(XGBModel, XGBClassifierBase):
    # pylint: disable=missing-docstring,invalid-name,too-many-instance-attributes
    def __init__(self, objective="binary:logistic", **kwargs):
        super().__init__(objective=objective, **kwargs)

    def fit(self, X, y, sample_weight=None, base_margin=None,
            eval_set=None, eval_metric=None,
            early_stopping_rounds=None, verbose=True, xgb_model=None,
            sample_weight_eval_set=None, callbacks=None):
        # pylint: disable = attribute-defined-outside-init,arguments-differ

        evals_result = {}
        self.classes_ = np.unique(y)
        self.n_classes_ = len(self.classes_)

        xgb_options = self.get_xgb_params()

        if callable(self.objective):
            obj = _objective_decorator(self.objective)
            # Use default value. Is it really not used ?
            xgb_options["objective"] = "binary:logistic"
        else:
            obj = None

        if self.n_classes_ > 2:
            # Switch to using a multiclass objective in the underlying
            # XGB instance
            xgb_options['objective'] = 'multi:softprob'
            xgb_options['num_class'] = self.n_classes_

Answer 2

默认情况下， XGBClassifier 使用objective='binary:logistic' 。 当您使用此目标时，它会采用以下任一策略： one-vs-rest （也称为 one-vs-all）和one-vs-one 。 它可能不是您手头问题的正确选择。

当您使用objective='multi:softprob' ，输出是数据点数 * 类数的向量。 因此，代码的时间复杂度会增加。

尝试在您的代码中设置objective=multi:softmax 。 它更适合多类分类任务。

Answer 3

默认情况下，XGBClassifier 或许多分类器使用目标作为二进制，但它内部所做的是分类（一个与其余），即如果你有 3 个类，它会给出结果（0 vs 1&2）。如果你处理超过 2 个类您应该始终使用softmax .Softmax 将 logits 转换为总和为 1 的概率。在此基础上，它预测哪些类具有最高的概率。正如您所看到的，正如Saurabh在他的回答中提到的，复杂性增加了，因此需要更多时间。