xgboost:dar más importancia a las recientes muestras de

Question

Es allí una manera de agregar más importancia a los puntos que son más recientes que, al analizar los datos con xgboost?

Answer 1

Puede intentar construir múltiples modelos XGBOost, y algunos de ellos se limitan a datos más recientes y luego ponderan esos resultados. Otra idea sería hacer una métrica de evaluación personalizada que penalice los puntos recientes más fuertemente, lo que les daría más importancia.

Answer 2

Sólo añadir pesas en función de su tiempo de etiquetas para su xgb.DMatrix.El siguiente ejemplo está escrito en R pero el mismo principio se aplica a xgboost en Python o Julia.

data <- data.frame(feature = rep(5, 5),
                   year = seq(2011, 2015), 
                   target = c(1, 0, 1, 0, 0))
weightsData <- 1 + (data$year - max(data$year)) * 5 * 0.01

#Now create the xgboost matrix with your data and weights
xgbMatrix <- xgb.DMatrix(as.matrix(data$feature), 
                         label = data$target, 
                         weight = weightsData)

Answer 3

En Python tienes un bonito envoltorio de Scikit-Learn, para que puedas escribir así:

import xgboost as xgb
exgb_classifier = xgb.XGBClassifier()
exgb_classifier.fit(X, y, sample_weight=sample_weights_data)

Más información que puede recibir de esto:http://xgboost.readthedocs.io/en/latest/python/python_api.html#xgboost.xgbclassifier.fit