@@ -4,7 +4,7 @@ vignette: >
44 %\VignetteEncoding{UTF-8}
55 %\VignetteIndexEntry{xgboost: Multiclass Classification}
66 %\VignetteEngine{quarto::html}
7- editor_options :
7+ editor_options :
88 chunk_output_type : console
99execute :
1010 eval : false
@@ -168,15 +168,15 @@ tuner$set_data(
168168)
169169
170170tuner_results_grid <- tuner$execute(k = 3)
171- #>
171+ #>
172172#> Parameter settings [============================>-------------------------------------------------------------------] 3/10 ( 30%)
173173#> Parameter settings [=====================================>----------------------------------------------------------] 4/10 ( 40%)
174174#> Parameter settings [===============================================>------------------------------------------------] 5/10 ( 50%)
175175#> Parameter settings [=========================================================>--------------------------------------] 6/10 ( 60%)
176176#> Parameter settings [==================================================================>-----------------------------] 7/10 ( 70%)
177177#> Parameter settings [============================================================================>-------------------] 8/10 ( 80%)
178178#> Parameter settings [=====================================================================================>----------] 9/10 ( 90%)
179- #> Parameter settings [===============================================================================================] 10/10 (100%)
179+ #> Parameter settings [===============================================================================================] 10/10 (100%)
180180
181181head(tuner_results_grid)
182182#> setting_id metric_optim_mean nrounds subsample colsample_bytree min_child_weight learning_rate max_depth objective
@@ -222,7 +222,7 @@ tuner$set_data(
222222)
223223
224224tuner_results_bayesian <- tuner$execute(k = 3)
225- #>
225+ #>
226226#> Registering parallel backend using 4 cores.
227227
228228head(tuner_results_bayesian)
@@ -267,14 +267,14 @@ validator$set_data(
267267)
268268
269269validator_results <- validator$execute()
270- #>
270+ #>
271271#> CV fold: Fold1
272- #>
272+ #>
273273#> CV fold: Fold2
274- #>
274+ #>
275275#> CV fold: Fold3
276276#> CV progress [========================================================================================================] 3/3 (100%)
277- #>
277+ #>
278278
279279head(validator_results)
280280#> fold performance subsample colsample_bytree min_child_weight learning_rate max_depth nrounds objective eval_metric
@@ -319,39 +319,39 @@ validator$set_data(
319319)
320320
321321validator_results <- validator$execute()
322- #>
322+ #>
323323#> CV fold: Fold1
324- #>
324+ #>
325325#> Parameter settings [============================>-------------------------------------------------------------------] 3/10 ( 30%)
326326#> Parameter settings [=====================================>----------------------------------------------------------] 4/10 ( 40%)
327327#> Parameter settings [===============================================>------------------------------------------------] 5/10 ( 50%)
328328#> Parameter settings [=========================================================>--------------------------------------] 6/10 ( 60%)
329329#> Parameter settings [==================================================================>-----------------------------] 7/10 ( 70%)
330330#> Parameter settings [============================================================================>-------------------] 8/10 ( 80%)
331331#> Parameter settings [=====================================================================================>----------] 9/10 ( 90%)
332- #> Parameter settings [===============================================================================================] 10/10 (100%)
332+ #> Parameter settings [===============================================================================================] 10/10 (100%)
333333#> CV fold: Fold2
334334#> CV progress [====================================================================>-----------------------------------] 2/3 ( 67%)
335- #>
335+ #>
336336#> Parameter settings [============================>-------------------------------------------------------------------] 3/10 ( 30%)
337337#> Parameter settings [=====================================>----------------------------------------------------------] 4/10 ( 40%)
338338#> Parameter settings [===============================================>------------------------------------------------] 5/10 ( 50%)
339339#> Parameter settings [=========================================================>--------------------------------------] 6/10 ( 60%)
340340#> Parameter settings [==================================================================>-----------------------------] 7/10 ( 70%)
341341#> Parameter settings [============================================================================>-------------------] 8/10 ( 80%)
342342#> Parameter settings [=====================================================================================>----------] 9/10 ( 90%)
343- #> Parameter settings [===============================================================================================] 10/10 (100%)
343+ #> Parameter settings [===============================================================================================] 10/10 (100%)
344344#> CV fold: Fold3
345345#> CV progress [========================================================================================================] 3/3 (100%)
346- #>
346+ #>
347347#> Parameter settings [============================>-------------------------------------------------------------------] 3/10 ( 30%)
348348#> Parameter settings [=====================================>----------------------------------------------------------] 4/10 ( 40%)
349349#> Parameter settings [===============================================>------------------------------------------------] 5/10 ( 50%)
350350#> Parameter settings [=========================================================>--------------------------------------] 6/10 ( 60%)
351351#> Parameter settings [==================================================================>-----------------------------] 7/10 ( 70%)
352352#> Parameter settings [============================================================================>-------------------] 8/10 ( 80%)
353353#> Parameter settings [=====================================================================================>----------] 9/10 ( 90%)
354- #> Parameter settings [===============================================================================================] 10/10 (100%)
354+ #> Parameter settings [===============================================================================================] 10/10 (100%)
355355
356356head(validator_results)
357357#> fold performance nrounds subsample colsample_bytree min_child_weight learning_rate max_depth objective eval_metric
@@ -398,19 +398,19 @@ validator$set_data(
398398)
399399
400400validator_results <- validator$execute()
401- #>
401+ #>
402402#> CV fold: Fold1
403- #>
403+ #>
404404#> Registering parallel backend using 4 cores.
405- #>
405+ #>
406406#> CV fold: Fold2
407407#> CV progress [====================================================================>-----------------------------------] 2/3 ( 67%)
408- #>
408+ #>
409409#> Registering parallel backend using 4 cores.
410- #>
410+ #>
411411#> CV fold: Fold3
412412#> CV progress [========================================================================================================] 3/3 (100%)
413- #>
413+ #>
414414#> Registering parallel backend using 4 cores.
415415
416416head(validator_results)
@@ -454,7 +454,7 @@ perf_xgboost
454454
455455## Appendix I: Grid-Search with Target Weigths
456456
457- Here, ` xgboost ` 's [ ` weight ` -argument] ( https://rdrr.io/cran/xgboost/man/setinfo .html ) is used to rescale the case-weights during the training.
457+ Here, ` xgboost ` 's [ ` weight ` -argument] ( https://rdrr.io/cran/xgboost/man/xgb.DMatrix .html ) is used to rescale the case-weights during the training.
458458
459459``` {r}
460460# define the target weights
@@ -486,15 +486,15 @@ tuner_w_weights$set_data(
486486)
487487
488488tuner_results_grid <- tuner_w_weights$execute(k = 3)
489- #>
489+ #>
490490#> Parameter settings [============================>-------------------------------------------------------------------] 3/10 ( 30%)
491491#> Parameter settings [=====================================>----------------------------------------------------------] 4/10 ( 40%)
492492#> Parameter settings [===============================================>------------------------------------------------] 5/10 ( 50%)
493493#> Parameter settings [=========================================================>--------------------------------------] 6/10 ( 60%)
494494#> Parameter settings [==================================================================>-----------------------------] 7/10 ( 70%)
495495#> Parameter settings [============================================================================>-------------------] 8/10 ( 80%)
496496#> Parameter settings [=====================================================================================>----------] 9/10 ( 90%)
497- #> Parameter settings [===============================================================================================] 10/10 (100%)
497+ #> Parameter settings [===============================================================================================] 10/10 (100%)
498498
499499head(tuner_results_grid)
500500#> setting_id metric_optim_mean nrounds subsample colsample_bytree min_child_weight learning_rate max_depth objective
@@ -543,14 +543,14 @@ validator_w_weights$set_data(
543543)
544544
545545validator_results <- validator_w_weights$execute()
546- #>
546+ #>
547547#> CV fold: Fold1
548- #>
548+ #>
549549#> CV fold: Fold2
550- #>
550+ #>
551551#> CV fold: Fold3
552552#> CV progress [========================================================================================================] 3/3 (100%)
553- #>
553+ #>
554554
555555head(validator_results)
556556#> fold performance nrounds subsample colsample_bytree min_child_weight learning_rate max_depth objective eval_metric num_class
0 commit comments