xgboost 包使用

为了程序的通用性， 最近在使用caret 包代替xgboost包外加记忆力比较差，所以扔上来防小白：训练数据包括 训练集， eval集训练集： 训练数据中用来训练模型的数据eval集： 训练过程中看训练数据训练出的模型的误差，相当于cross_validationlibrary(xgboost)#like python 训练数据dtrain <- xgb.DMatrix(train.mx, label=train$algorithms )#eval 数据dtest <- xgb.DMatrix(test.mx, label=test$algorithms)model <- xgb.train(data = dtrain,                   watchlist = list(test = dtrain, train = dtest),  #训练误差 和 eval集误差                   params = list(                           objective = 'multi:softmax',    #active function                           eta = 0.1, #学习率 一般 0.05                           max_depth = 20, #树的深度                           subsample = 0.6, #使用多少样本进行训练                           num_class = 6   #类别                   ),                   nrounds = 1000,      #程序运行次数                   print.every.n = 10,  #每几次打印train 和 eval结果                   maximize = FALSE)#预测xgb.pre <- predict(xgb_model, test[, -6])#计算准确率accuracy <- confusionMatrix(test$algorithms, xgb.pre)