xgboost：最近のサンプルをより重要に

xgboostを使用してデータを分析するときに、最近のポイントに重要性を追加する方法はありますか？

複数のxgboostモデルを作成し、それらの一部をより新しいデータに制限して、それらの結果を一緒に重み付けしてみてください。別のアイデアは、最近のポイントをより厳しくペナルティするカスタマイズされた評価基準を作成することです。

時間ラベルに基づいた重みをxgb.DMatrixに追加するだけです。次の例はRで記述されていますが、PythonまたはJuliaのxgboostにも同じ原則が適用されます。

data <- data.frame(feature = rep(5, 5),
                   year = seq(2011, 2015), 
                   target = c(1, 0, 1, 0, 0))
weightsData <- 1 + (data$year - max(data$year)) * 5 * 0.01

#Now create the xgboost matrix with your data and weights
xgbMatrix <- xgb.DMatrix(as.matrix(data$feature), 
                         label = data$target, 
                         weight = weightsData)

Pythonには素敵なscikit-learnラッパーがあるため、次のように記述できます。

import xgboost as xgb
exgb_classifier = xgb.XGBClassifier()
exgb_classifier.fit(X, y, sample_weight=sample_weights_data)

これから受け取ることができる詳細情報：http : //xgboost.readthedocs.io/en/latest/python/python_api.html#xgboost.XGBClassifier.fit