xgboost如何知道经过训练的模型的参数

Question

如何检索XGBoost参数（即助推器对象）？XGBoost版本-0.90（XGB包装器）

在此之后：

bst = xgb.train(param, dtrain, num_boost_round = best_iteration)

这：

bst.get_xgb_params()

给出了错误：

'Booster' object has no attribute 'xgb_params'

这：

config = json.loads(bst.save_config())
print(config)

给出错误（可从1.0版本获得）：

'Booster' object has no attribute 'save_config'

这：

bst.attributes()

不返回任何内容：

{}

这：

bst.attr('Parameters'))

返回：

None

Answer 1

我看不出有什么办法可以得到助推器的参数。但是sci-kit learn wrapper具有您正在查找的参数，如get_xgb_params()

Answer 2

不幸的是，在使用低级xgb api时，获取增压器参数并非易事

以下是我如何找到我所寻找的助推器参数：

# this retrieves all booster and non-booster parameters
import json

config = json.loads(lowlevel_xgb.save_config()) # your xgb booster object
stack = [config]
internal = {}
while stack:
    obj = stack.pop()
    for k, v in obj.items():
        if k.endswith('_param'):
            for p_k, p_v in v.items():
                internal[p_k] = p_v
        elif isinstance(v, dict):
            stack.append(v)

# retrieve all parameter values from xgb.train in param search dict
from nested_lookup import nested_lookup

lowlevelconfig = {}
for key in search_params_dict: #dict of parameters you want to search for
    lowlevelconfig[key] = nested_lookup(key,config)

在我的例子中，我想比较默认的低级api参数（即使用xgb.train）和使用scikit包装器的默认参数（即使用XGBClassifier）。不幸的是，它们不一样

如果你有同样的情况，你可以像我一样：

from nested_lookup import nested_lookup
lowlevelconfig = {}
for key in sci_xgb.get_params():#where sci_xgb is your scikit xgb model 
    lowlevelconfig[key] = nested_lookup(key,config)

这样，您就可以比较低级xgb api和scikit包装器的增压器参数