Scikit learn 为什么我从Scikit学习API和XGBoost学习API中得到的结果不同？

我使用了XGBoost的Scikit学习API（python）。我的准确率约为68%。我使用了相同的参数集，并使用XGBoost的学习API；我的准确率约为60%。我的理解是，Scikit学习API是学习API的包装器，因此他们应该给我相同的结果。我不明白为什么我从这两个API得到不同的结果

cores=16
随机状态=0
参数={
“n_估计数”：100，
“学习率”：0.1，
“最大深度”：3，
“最小儿童体重”：1.0，
“子样本”：1.0，
“gamma”：0.0，
“tree_方法”：“gpu精确”，
“colsample_bytree”：1.0，
“alpha”：0.0，
“lambda”：1.0，
“nthread”：核心，
“目标”：“二进制：逻辑”，
“助推器”：“gbtree”，
“种子”：随机_状态，
“预计到达时间”：0.1，
“无声”：1
}
模型=XGBClassifier（**参数）
r=模型配合（X\U系列、y\U系列）
打印（模型）
#对测试数据进行预测
y_pred=模型预测（X_检验）
预测=[y_pred中值的四舍五入（值）]
#评估预测
准确度=准确度得分（y检验、预测）
打印（“精度：%.2f%%”%（精度*100.0））

结果:

XGBClassifier(alpha=0.0, base_score=0.5, booster='gbtree',
       colsample_bylevel=1, colsample_bytree=1.0, eta=0.1, gamma=0.0,
       lambda=1.0, learning_rate=0.1, max_delta_step=0, max_depth=3,
       min_child_weight=1.0, missing=None, n_estimators=100, n_jobs=1,
       nthread=16, objective='binary:logistic', random_state=0,
       reg_alpha=0, reg_lambda=1, scale_pos_weight=1, seed=0, silent=1,
       subsample=1.0, tree_method='gpu_exact')

准确率：68.32%

dtrain=xgb.DMatrix（X列车，标签=y列车）
dvalid=xgb.DMatrix（X_检验，label=y_检验）
#拟合模型无训练数据
型号=xgb.列车（参数=参数，数据列车=数据列车）
#对测试数据进行预测
y_pred=模型预测（dvalid）
预测=[y_pred中值的四舍五入（值）]
#评估预测
准确度=准确度得分（y检验、预测）
打印（“精度：%.2f%%”%（精度*100.0））

结果:

XGBClassifier(alpha=0.0, base_score=0.5, booster='gbtree',
       colsample_bylevel=1, colsample_bytree=1.0, eta=0.1, gamma=0.0,
       lambda=1.0, learning_rate=0.1, max_delta_step=0, max_depth=3,
       min_child_weight=1.0, missing=None, n_estimators=100, n_jobs=1,
       nthread=16, objective='binary:logistic', random_state=0,
       reg_alpha=0, reg_lambda=1, scale_pos_weight=1, seed=0, silent=1,
       subsample=1.0, tree_method='gpu_exact')

---

准确率：60.25%

我认为区别在于您没有在（xgb.train（））中指定助推轮数。因此，它使用默认值10

“n_估计量”是一个专门的术语

---

此外，与上面给出的注释相反，当在同一系统上多次运行时，该特定算法预计是确定性的。

这些算法是非确定性的。你不能保证他们会给你完全相同的表现。我尝试了你的建议，但不幸的是，这并没有解决问题。为了进一步了解，我需要完全复制你的例子。请用数据发布整个脚本。如有必要，可以使用sklearn数据集生成器。