XGBRegressor vs.Xgboost.Güzel hız farkı mı?

Modelimi aşağıdaki kodu kullanarak eğitirsem:

import xgboost as xg
params = {'max_depth':3,
'min_child_weight':10,
'learning_rate':0.3,
'subsample':0.5,
'colsample_bytree':0.6,
'obj':'reg:linear',
'n_estimators':1000,
'eta':0.3}

features = df[feature_columns]
target = df[target_columns]
dmatrix = xg.DMatrix(features.values,
                     target.values,
                     feature_names=features.columns.values)
clf = xg.train(params, dmatrix)

yaklaşık 1 dakika içinde biter.

Modelimi Sci-Kit öğrenme yöntemini kullanarak eğitirsem:

import xgboost as xg
max_depth = 3
min_child_weight = 10
subsample = 0.5
colsample_bytree = 0.6
objective = 'reg:linear'
num_estimators = 1000
learning_rate = 0.3

features = df[feature_columns]
target = df[target_columns]
clf = xg.XGBRegressor(max_depth=max_depth,
                min_child_weight=min_child_weight,
                subsample=subsample,
                colsample_bytree=colsample_bytree,
                objective=objective,
                n_estimators=num_estimators,
                learning_rate=learning_rate)
clf.fit(features, target)

30 dakikadan fazla sürer.

Temel kod hemen hemen aynı (yani XGBRegressoraramalar xg.train) olduğunu düşünürdüm - burada neler oluyor?

xgboost.trainkabul n_estimatorsederken parametreyi yok xgboost.XGBRegressorsayar. Gelen xgboost.train, artırma yineleme (yani n_estimators) tarafından kontrol edilir num_boost_round(varsayılan: 10)

Sizin durumunuzda, ilk kod 10 yineleme (varsayılan olarak), ikincisi 1000 yineleme yapar. Eğer değiştirmeye çalışırsanız herhangi büyük bir fark olmayacak clf = xg.train(params, dmatrix)içine clf = xg.train(params, dmatrix, 1000),

Referanslar

http://xgboost.readthedocs.io/en/latest/python/python_api.html#xgboost.train

http://xgboost.readthedocs.io/en/latest/python/python_api.html#xgboost.XGBRegressor