Python 设置XGBoost提前停止的Tol

我正在使用XGBoost并提前停止。在经历了大约1000个时代之后，该模型仍在改进，但改进幅度非常小。即：

 clf = xgb.train(params, dtrain, num_boost_round=num_rounds, evals=watchlist, early_stopping_rounds=10)

是否可以设置提前停车的“tol”？即：不触发提前停止所需的最低改进水平

---

Tol是SKLearn模型中的一个常见参数，如MLP分类器和二次判别分析。多谢各位

我认为xgboost中没有参数

tol

，但您可以将

early\u stopping\u round

设置得更高。此参数意味着，如果测试集的性能在

提前停止\u轮

时间内没有改善，则测试集停止。如果您知道在1000个时代之后，您的模型仍在改进，但速度非常缓慢，请将

early\u stopping\u round

设置为50，例如，这样对于性能上的微小变化将更加“宽容”

在XGBoost Github的回购协议中，

sklearn

和

h2o

等包装器似乎已经具备了这一功能，

XGBoost

本身仍然缺少

停止容差

超参数

---

让我们投票加速一点，好吗？

你的意思是说将

提前停止

设置得更低（而不是更高）？低值将比高值更早终止。