Параллельная многопоточность с xgboost?
Согласно документации, xgboost имеет параметр 9X_python-interpreter n_jobs. Однако, когда я пытаюсь установить 9X_pythonista n_jobs, я получаю эту ошибку:
TypeError: __init__() got an unexpected keyword argument 'n_jobs'
Та же проблема 9X_python-interpreter для некоторых других параметров, например 9X_pythonic random_state. Я предположил, что это может 9X_pythonic быть проблема с обновлением, но, похоже, у 9X_py меня последняя версия (0.6a2, установленная 9X_python-shell с помощью pip).
Для воспроизведения ошибки 9X_machine-learning мне особо не нужно:
from xgboost import XGBClassifier
estimator_xGBM = XGBClassifier(max_depth = 5, learning_rate = 0.05, n_estimators = 400, n_jobs = -1).fit(x_train)
Есть идеи?
Ответ #1
Ответ на вопрос: Параллельная многопоточность с xgboost?
Я установил xgboost вчера (25.09.2017):
Если 9X_python-interpreter вы устанавливаете с помощью pip или conda, версия 9X_python-interpreter xgboost не поддерживает параметр n_jobs; только 9X_pythonic параметр nthreads.
Если вы собираете xgboost 9X_pythonic из репозитория github, вы можете использовать 9X_pythonic n_jobs.
Обновление:
n_jobs
- это количество параллельных 9X_pythonic потоков, используемых для запуска xgboost. (заменяет 9X_python-shell nthread) для всех алгоритмов, таких как 9X_pythonic XGBClassifier, XGBRanker, XGBRegressor и 9X_python-interpreter т. д.
Ссылка - here
- Что касается 18.01.2018, `n_jobs` присутствует при установке с ...
Ответ #2
Ответ на вопрос: Параллельная многопоточность с xgboost?
nthread
совпадает с n_jobs
, но на данный момент предпочтительнее 9X_python-interpreter n_jobs
.
возможно, вы можете вместо этого попробовать 9X_python-shell nthread
.
nthread: int Количество параллельных 9X_xgboost потоков, используемых для запуска xgboost. (Устарело, используйте 9X_python-shell n_jobs)
n_jobs: int Количество 9X_pythonic параллельных потоков, используемых для запуска 9X_pythonic xgboost. (заменяет nthread)
https://github.com/dmlc/xgboost/blob/master/python-package/xgboost/sklearn.py#L71-L74
-
2
-
1
-
5
-
1
-
4
-
10
-
1
-
5
-
7
-
3
-
3
-
2
-
3
-
1
-
3
-
3
-
4
-
4
-
3
-
2
-
1
-
2
-
4
-
4
-
5
-
13
-
7
-
2
-
11
-
7
-
9
-
3
-
2
-
3
-
3
-
7
-
5
-
2
-
1
-
3
-
2
-
1
-
1
-
2
-
1
-
1
-
3
-
3
-
1
-
2