在 GitHub 上编辑
XGBoost
DVCLive 可以为您的 XGBoost 项目添加实验跟踪功能。
用法
在传递给 xgboost.train 调用的回调列表中包含 DVCLiveCallback：
from dvclive.xgb import DVCLiveCallback
...
model = xgb.XGBClassifier(
n_estimators=100,
early_stopping_rounds=5,
eval_metric=["merror", "mlogloss"],
callbacks=[DVCLiveCallback()]
)
model.fit(
X_train,
y_train,
eval_set=[(X_test, y_test)]
)参数
-
live-（默认为None）- 可选的Live实例。若为None，将使用**kwargs创建一个新实例。 -
**kwargs- 任何其他参数都将用于实例化一个新的Live实例。若使用了live，这些参数将被忽略。
示例
- 使用
live传入一个已有的Live实例。
from dvclive import Live
from dvclive.xgb import DVCLiveCallback
...
with Live("custom_dir") as live:
model = xgb.XGBClassifier(
n_estimators=100,
early_stopping_rounds=5,
eval_metric=["merror", "mlogloss"],
callbacks=[DVCLiveCallback(live)]
)
model.fit(
X_train,
y_train,
eval_set=[(X_test, y_test)]
)
# Log additional metrics after training
live.log_metric("summary_metric", 1.0, plot=False)- 使用
**kwargs自定义Live。
model = xgb.XGBClassifier(
...
callbacks=[DVCLiveCallback(dir="custom_dir")]
)