{"id":1233,"date":"2023-07-27T04:52:33","date_gmt":"2023-07-27T04:52:33","guid":{"rendered":"https:\/\/statorials.org\/de\/xgboost-in-r\/"},"modified":"2023-07-27T04:52:33","modified_gmt":"2023-07-27T04:52:33","slug":"xgboost-in-r","status":"publish","type":"post","link":"https:\/\/statorials.org\/de\/xgboost-in-r\/","title":{"rendered":"Xgboost in r: ein schritt-f\u00fcr-schritt-beispiel"},"content":{"rendered":"

<\/p>\n

\n

Boosting<\/a> ist eine Technik des maschinellen Lernens, die nachweislich Modelle mit hoher Vorhersagegenauigkeit erzeugt.<\/span><\/p>\n

Eine der gebr\u00e4uchlichsten M\u00f6glichkeiten, Boosting in der Praxis umzusetzen, ist die Verwendung von XGBoost<\/strong> , kurz f\u00fcr \u201eExtreme Gradient Boosting\u201c.<\/span><\/p>\n

Dieses Tutorial bietet ein schrittweises Beispiel f\u00fcr die Verwendung von XGBoost, um ein erweitertes Modell in R anzupassen.<\/span><\/p>\n

Schritt 1: Laden Sie die erforderlichen Pakete<\/span><\/strong><\/h3>\n

Zuerst laden wir die notwendigen Bibliotheken.<\/span><\/p>\n

 library<\/span> (xgboost) #for fitting the xgboost model<\/span>\nlibrary<\/span> (caret) #for general data preparation and model fitting<\/span>\n<\/strong><\/pre>\n
 Schritt 2: Daten laden<\/strong><\/span><\/h3>\n
 In diesem Beispiel werden wir ein verbessertes Regressionsmodell an den Boston-<\/strong> Datensatz aus dem MASS-<\/strong> Paket anpassen.<\/span><\/p>\n
 Dieser Datensatz enth\u00e4lt 13 Pr\u00e4diktorvariablen, die wir verwenden werden, um eine Antwortvariable<\/a> namens mdev<\/strong> vorherzusagen, die den Medianwert von H\u00e4usern in verschiedenen Z\u00e4hlbezirken rund um Boston darstellt.<\/span><\/p>\n
 #load the data\n<\/span>data = MASS::Boston\n\n#view the structure of the data\n<\/span>str(data) \n\n'data.frame': 506 obs. of 14 variables:\n $ crim: num 0.00632 0.02731 0.02729 0.03237 0.06905 ...\n $ zn : num 18 0 0 0 0 0 12.5 12.5 12.5 12.5 ...\n $ indus: num 2.31 7.07 7.07 2.18 2.18 2.18 7.87 7.87 7.87 7.87 ...\n $chas: int 0 0 0 0 0 0 0 0 0 0 ...\n $ nox: num 0.538 0.469 0.469 0.458 0.458 0.458 0.524 0.524 0.524 0.524 ...\n $rm: num 6.58 6.42 7.18 7 7.15 ...\n $ age: num 65.2 78.9 61.1 45.8 54.2 58.7 66.6 96.1 100 85.9 ...\n $ dis: num 4.09 4.97 4.97 6.06 6.06 ...\n $rad: int 1 2 2 3 3 3 5 5 5 5 ...\n $ tax: num 296 242 242 222 222 222 311 311 311 311 ...\n $ptratio: num 15.3 17.8 17.8 18.7 18.7 18.7 15.2 15.2 15.2 15.2 ...\n $ black: num 397 397 393 395 397 ...\n $ lstat: num 4.98 9.14 4.03 2.94 5.33 ...\n $ medv: num 24 21.6 34.7 33.4 36.2 28.7 22.9 27.1 16.5 18.9 ...\n<\/span><\/span><\/strong><\/pre>\n
 Schritt 3: Bereiten Sie die Daten vor<\/strong><\/span><\/h3>\n
 Als N\u00e4chstes verwenden wir die Funktion createDataPartition()<\/strong> aus dem Caret-Paket, um den urspr\u00fcnglichen Datensatz in einen Trainings- und Testsatz aufzuteilen.<\/span><\/p>\n
 In diesem Beispiel verwenden wir 80 % des Originaldatensatzes als Teil des Trainingssatzes.<\/span><\/p>\n
 Beachten Sie, dass das xgboost-Paket auch Matrixdaten verwendet, daher verwenden wir die Funktion data.matrix(),<\/strong> um unsere Pr\u00e4diktorvariablen zu speichern.<\/span><\/p>\n
 #make this example reproducible\n<\/span>set.seed(0)\n\n#split into training (80%) and testing set (20%)\n<\/span>parts = createDataPartition(data$medv, p = .8<\/span> , list = F<\/span> )\ntrain = data[parts, ]\ntest = data[-parts, ]\n\n#define predictor and response variables in training set\n<\/span>train_x = data. matrix<\/span> (train[, -13])\ntrain_y = train[,13]\n\n#define predictor and response variables in testing set\n<\/span>test_x = data. matrix<\/span> (test[, -13])\ntest_y = test[, 13]\n\n#define final training and testing sets\n<\/span>xgb_train = xgb. DMatrix<\/span> (data = train_x, label = train_y)\nxgb_test = xgb. DMatrix<\/span> (data = test_x, label = test_y)\n<\/span><\/span><\/strong><\/pre>\n
 Schritt 4: Passen Sie das Modell an<\/strong><\/span><\/h3>\n
 Als N\u00e4chstes optimieren wir das XGBoost-Modell mithilfe der Funktion xgb.train()<\/strong> , die den Trainings- und Test-RMSE (mittlerer quadratischer Fehler) f\u00fcr jeden Boosting-Zyklus anzeigt.<\/span><\/p>\n
 Beachten Sie, dass wir uns f\u00fcr dieses Beispiel f\u00fcr die Verwendung von 70 Runden entschieden haben, bei viel gr\u00f6\u00dferen Datens\u00e4tzen ist es jedoch nicht ungew\u00f6hnlich, Hunderte oder sogar Tausende von Runden zu verwenden. Bedenken Sie jedoch, dass die Laufzeit umso l\u00e4nger ist, je mehr Runden es gibt.<\/span><\/p>\n
 Beachten Sie au\u00dferdem, dass das Argument \u201emax.degree\u201c<\/strong> die Entwicklungstiefe einzelner Entscheidungsb\u00e4ume angibt. Normalerweise w\u00e4hlen wir diese Zahl recht niedrig, etwa 2 oder 3, um kleinere B\u00e4ume wachsen zu lassen. Es hat sich gezeigt, dass dieser Ansatz tendenziell genauere Modelle liefert.<\/span><\/p>\n
 #define watchlist\n<\/span>watchlist = list(train=xgb_train, test=xgb_test)\n\n#fit XGBoost model and display training and testing data at each round\n<\/span>model = xgb.train(data = xgb_train, max.depth = 3<\/span> , watchlist=watchlist, nrounds = 70<\/span> )\n\n[1] train-rmse:10.167523 test-rmse:10.839775 \n[2] train-rmse:7.521903 test-rmse:8.329679 \n[3] train-rmse:5.702393 test-rmse:6.691415 \n[4] train-rmse:4.463687 test-rmse:5.631310 \n[5] train-rmse:3.666278 test-rmse:4.878750 \n[6] train-rmse:3.159799 test-rmse:4.485698 \n[7] train-rmse:2.855133 test-rmse:4.230533 \n[8] train-rmse:2.603367 test-rmse:4.099881 \n[9] train-rmse:2.445718 test-rmse:4.084360 \n[10] train-rmse:2.327318 test-rmse:3.993562 \n[11] train-rmse:2.267629 test-rmse:3.944454 \n[12] train-rmse:2.189527 test-rmse:3.930808 \n[13] train-rmse:2.119130 test-rmse:3.865036 \n[14] train-rmse:2.086450 test-rmse:3.875088 \n[15] train-rmse:2.038356 test-rmse:3.881442 \n[16] train-rmse:2.010995 test-rmse:3.883322 \n[17] train-rmse:1.949505 test-rmse:3.844382 \n[18] train-rmse:1.911711 test-rmse:3.809830 \n[19] train-rmse:1.888488 test-rmse:3.809830 \n[20] train-rmse:1.832443 test-rmse:3.758502 \n[21] train-rmse:1.816150 test-rmse:3.770216 \n[22] train-rmse:1.801369 test-rmse:3.770474 \n[23] train-rmse:1.788891 test-rmse:3.766608 \n[24] train-rmse:1.751795 test-rmse:3.749583 \n[25] train-rmse:1.713306 test-rmse:3.720173 \n[26] train-rmse:1.672227 test-rmse:3.675086 \n[27] train-rmse:1.648323 test-rmse:3.675977 \n[28] train-rmse:1.609927 test-rmse:3.745338 \n[29] train-rmse:1.594891 test-rmse:3.756049 \n[30] train-rmse:1.578573 test-rmse:3.760104 \n[31] train-rmse:1.559810 test-rmse:3.727940 \n[32] train-rmse:1.547852 test-rmse:3.731702 \n[33] train-rmse:1.534589 test-rmse:3.729761 \n[34] train-rmse:1.520566 test-rmse:3.742681 \n[35] train-rmse:1.495155 test-rmse:3.732993 \n[36] train-rmse:1.467939 test-rmse:3.738329 \n[37] train-rmse:1.446343 test-rmse:3.713748 \n[38] train-rmse:1.435368 test-rmse:3.709469 \n[39] train-rmse:1.401356 test-rmse:3.710637 \n[40] train-rmse:1.390318 test-rmse:3.709461 \n[41] train-rmse:1.372635 test-rmse:3.708049 \n[42] train-rmse:1.367977 test-rmse:3.707429 \n[43] train-rmse:1.359531 test-rmse:3.711663 \n[44] train-rmse:1.335347 test-rmse:3.709101 \n[45] train-rmse:1.331750 test-rmse:3.712490 \n[46] train-rmse:1.313087 test-rmse:3.722981 \n[47] train-rmse:1.284392 test-rmse:3.712840 \n[48] train-rmse:1.257714 test-rmse:3.697482 \n[49] train-rmse:1.248218 test-rmse:3.700167 \n[50] train-rmse:1.243377 test-rmse:3.697914 \n[51] train-rmse:1.231956 test-rmse:3.695797 \n[52] train-rmse:1.219341 test-rmse:3.696277 \n[53] train-rmse:1.207413 test-rmse:3.691465 \n[54] train-rmse:1.197197 test-rmse:3.692108 \n[55] train-rmse:1.171748 test-rmse:3.683577 \n[56] train-rmse:1.156332 test-rmse:3.674458 \n[57] train-rmse:1.147686 test-rmse:3.686367 \n[58] train-rmse:1.143572 test-rmse:3.686375 \n[59] train-rmse:1.129780 test-rmse:3.679791 \n[60] train-rmse:1.111257 test-rmse:3.679022 \n[61] train-rmse:1.093541 test-rmse:3.699670 \n[62] train-rmse:1.083934 test-rmse:3.708187 \n[63] train-rmse:1.067109 test-rmse:3.712538 \n[64] train-rmse:1.053887 test-rmse:3.722480 \n[65] train-rmse:1.042127 test-rmse:3.720720 \n[66] train-rmse:1.031617 test-rmse:3.721224 \n[67] train-rmse:1.016274 test-rmse:3.699549 \n[68] train-rmse:1.008184 test-rmse:3.709522 \n[69] train-rmse:0.999220 test-rmse:3.708000 \n[70] train-rmse:0.985907 test-rmse:3.705192 \n<\/span><\/span><\/strong><\/pre>\n
 Daher werden wir unser endg\u00fcltiges XGBoost-Modell auf 56 Runden einstellen:<\/span><\/p>\n
 #define final model\n<\/span>final = xgboost(data = xgb_train, max.depth = 3<\/span> , nrounds = 56<\/span> , verbose = 0<\/span> )<\/span><\/span><\/strong><\/pre>\n
 Hinweis: Das Argument verbose=0<\/strong> weist R an, den Trainings- und Testfehler nicht f\u00fcr jede Runde anzuzeigen.<\/span><\/p>\n
 Schritt 5: Verwenden Sie das Modell, um Vorhersagen zu treffen<\/strong><\/span><\/h3>\n
 Schlie\u00dflich k\u00f6nnen wir das endg\u00fcltige verbesserte Modell verwenden, um Vorhersagen \u00fcber den Medianwert von H\u00e4usern in Boston im Testsatz zu treffen.<\/span><\/p>\n
 Anschlie\u00dfend berechnen wir die folgenden Genauigkeitsmetriken f\u00fcr das Modell:<\/span><\/p>\n
 Aus dem Ergebnis k\u00f6nnen wir erkennen, dass der minimale Test-RMSE bei 56<\/strong> Runden erreicht wird. Ab diesem Punkt beginnt der Test-RMSE zu steigen, was darauf hindeutet, dass wir die Trainingsdaten \u00fcberangepasst haben<\/a> .<\/span><\/p>\n
 Wir k\u00f6nnen sehen, dass der Datensatz insgesamt 506 Beobachtungen<\/a> und 14 Variablen enth\u00e4lt.<\/span><\/p>\n