Quelle est la différence en binaire xgboost: logistique et reg: logistique

Question

Quelle est la différence de R dans xgboost entre binaire: logistique et reg: logistique? Est-il seulement en mesure d'évaluation?

Si oui, comment RMSE sur la classification binaire comparer au taux d'erreur? La relation entre les mesures plus ou moins monotones, sortie de réglage sur une métrique ne devrait pas différer sensiblement entre ces deux approches?

Answer 1

Il n'y a pas de différence dans l'algorithme, ils sont les mêmes. Lorsque vous utilisez reg:logistic la métrique d'évaluation par défaut est rmse, mais vous pouvez modifier ce paramètre.

Le error rate et rmse peuvent varier en fonction de la distribution de votre sortie, comme error rate utilise une limite de 0,5 $ $ si vous avez les valeurs de sortie concentrées dans $ 0 $ ou 1 $, il sera beaucoup plus petite que rmse, même si son modèle en corrélation métrique peut être très différente, l'application dépendra de votre problème.

Pour évaluer les performances des modèles de régression logistique est habituel de calculer auc, logloss, précision, pseudo- $ R ^ 2 $ et quelques autres .