machine-learning - XGBoost 提前停止会在边际改进后停止吗？

Question

我知道如果我们在最后 X 轮中没有任何改进（或性能下降），就会提前停止。即，我们需要在最后 X 中至少进行一轮且几乎没有改进，才能继续。

但我在这里读到： https ://www.kaggle.com/vincentf/early-stopping-for-xgboost-python以下代码内注释：

stops 50 iterations after marginal improvements or drop in performance on your hold out set

1. 所以，似乎marginal improvements是这样no improvement，对吗？
2. 如果是，价值是marginal improvements多少？我们可以设置它的价值吗？

Answer 1

您链接到的帖子中“边际改进”的含义非常不清楚（并且可以说是误导）；以下是文档中的相关信息：

early_stopping_rounds (int) – 激活提前停止。验证指标需要在每个early_stopping_rounds轮次中至少改进一次才能继续训练。

这显然不支持“边际改进”的说法。