XGBRegressorとxgboost.trainの大きな速度差は？

次のコードを使用してモデルをトレーニングする場合：

import xgboost as xg
params = {'max_depth':3,
'min_child_weight':10,
'learning_rate':0.3,
'subsample':0.5,
'colsample_bytree':0.6,
'obj':'reg:linear',
'n_estimators':1000,
'eta':0.3}

features = df[feature_columns]
target = df[target_columns]
dmatrix = xg.DMatrix(features.values,
                     target.values,
                     feature_names=features.columns.values)
clf = xg.train(params, dmatrix)

約1分で終了します。

Sci-Kit学習メソッドを使用してモデルをトレーニングする場合：

import xgboost as xg
max_depth = 3
min_child_weight = 10
subsample = 0.5
colsample_bytree = 0.6
objective = 'reg:linear'
num_estimators = 1000
learning_rate = 0.3

features = df[feature_columns]
target = df[target_columns]
clf = xg.XGBRegressor(max_depth=max_depth,
                min_child_weight=min_child_weight,
                subsample=subsample,
                colsample_bytree=colsample_bytree,
                objective=objective,
                n_estimators=num_estimators,
                learning_rate=learning_rate)
clf.fit(features, target)

30分以上かかります。

基になるコードはほぼ同じ（つまりをXGBRegressor呼び出すxg.train）であると思います-ここで何が起こっているのでしょうか？

xgboost.trainパラメータを無視しますがn_estimators、xgboost.XGBRegressor受け入れます。ではxgboost.train、反復のブースト（つまりn_estimators）はnum_boost_round（デフォルト：10）によって制御されます

あなたの場合、最初のコードは（デフォルトで）10回の反復を行いますが、2番目のコードは1000回の反復を行います。変更しようとしても大きな違いはありませんclf = xg.train(params, dmatrix)にclf = xg.train(params, dmatrix, 1000)、

参照資料

http://xgboost.readthedocs.io/en/latest/python/python_api.html#xgboost.train

http://xgboost.readthedocs.io/en/latest/python/python_api.html#xgboost.XGBRegressor