如何在python中执行xgboost的网格搜索？

我有一些分类问题，我想使用xgboost。 我有以下资料：

alg = xgb.XGBClassifier(objective='binary:logistic')

我正在测试它的日志丢失：

cross_validation.cross_val_scoree(alg, train_cluster_x, train_cluster_y, cv=5, scoring='log_loss')

我正在尝试以下方式执行网格搜索：

clf = GridSearchCV(alg,{'max_depth': [2,4,6],
                        'n_estimators': [50,100,200]}, 
                        verbose=1, 
                        error_score='log_loss')

clf.fit(train_cluster_x,train_cluster_y)
clf.best_score_, clf.best_params_

但是我得到了不同的结果。

---

作为交叉验证，网格搜索现在是否正在计算日志损失？

网格搜索设置中出现差异。错误分数表示引发错误时的值。您应该将评分参数指定为“neg_log_loss”

clf = GridSearchCV(alg,{'max_depth': [2,4,6],
                    'n_estimators': [50,100,200]}, 
                    verbose=1, 
                    scoring='neg_log_loss')

clf.fit(train_cluster_x,train_cluster_y)
clf.best_score_, clf.best_params_

---

当你说你得到不同的结果时，你的意思是每次你重新运行脚本时，你得到不同的最佳分数和最佳参数吗？如果是的话，这是很常见的。每次重新运行时，数据的分割方式都不同，因此最佳模型的细节通常会略有不同。如果您能举例说明您收到的输出，让我们知道您的期望和您看到的结果，这会有所帮助。