Nhảy đến nội dung chính

Tối ưu hóa mô hình XGBoost & Bias-Variance Tradeoff

Mục tiêu bài học

  • Hiểu các tham số cần tinh chỉnh trong mô hình XGBoost.

  • Nắm được ý nghĩa của từng tham số và ảnh hưởng của chúng đến Bias và Variance.

  • Hiểu khái niệm và vai trò của Cross-Validation trong việc chọn tham số tối ưu.

I. Các tham số cần tinh chỉnh trong XGBoost

Dưới đây là 8 tham số phổ biến ảnh hưởng đến hiệu suất của mô hình:

1. n_estimators / num_boost_round – Số vòng boosting

  • Mô tả: Số cây (trees) được huấn luyện trong mô hình.

  • Tăng quá cao → mô hình overfitting (variance cao).

  • Quá thấp → mô hình underfitting (bias cao).

Ví dụ:

xgb.XGBClassifier(n_estimators=100)  # Thử 100 vòng boosting
2. eta – Learning Rate (tốc độ học)

  • Mô tả: Mỗi cây đóng góp bao nhiêu vào kết quả cuối cùng.

  • Giá trị thấp → mô hình học chậm → variance cao.

  • Giá trị cao → mô hình học nhanh → dễ bị bias cao.

Gợi ý: Dùng eta thấp (0.01–0.3) + tăng số vòng.

Ví dụ:

xgb.XGBClassifier(eta=0.1)  # Tốc độ học vừa phải
3. min_child_weight – Trọng số tối thiểu cho mỗi leaf

  • Mô tả: Quy định ngưỡng tối thiểu để tách cây.

  • Ngăn không cho cây học từ các quan sát không đủ "trọng số".

Ví dụ:

xgb.XGBClassifier(min_child_weight=5)  # Tránh cây quá phức tạp
4. max_depth – Độ sâu tối đa của cây

  • Mô tả: Cây càng sâu càng học kỹ → dễ overfitting.

  • Tăng max_depth nếu eta thấp.

Ví dụ:

xgb.XGBClassifier(max_depth=6)  # Cây vừa phải
5. gamma – Ngưỡng để tách (split) cây

  • Mô tả: Cây chỉ tách nếu đem lại lợi ích vượt qua gamma.

  • Giá trị lớn → khó chia → giảm overfitting.

Ví dụ:

xgb.XGBClassifier(gamma=0.2)  # Thận trọng khi chia
6. subsample – Tỷ lệ mẫu lấy ra từ tập dữ liệu

  • Mô tả: Ngẫu nhiên lấy 1 phần dữ liệu cho mỗi vòng.

  • Giá trị thấp → giúp giảm variance.

  • Giá trị cao (≈ 1.0) → học toàn bộ dữ liệu.

Ví dụ:

xgb.XGBClassifier(subsample=0.8)
7. colsample_bytree – Tỷ lệ cột sử dụng cho mỗi cây

  • Mô tả: Giảm số lượng đặc trưng (features) dùng để huấn luyện mỗi cây.

  • Tác dụng tương tự như subsample nhưng trên features.

Ví dụ:

xgb.XGBClassifier(colsample_bytree=0.7)
8. Tổng quan ảnh hưởng đến Bias vs. Variance
Tham sốGiá trị thấp → Ảnh hưởngGiá trị cao → Ảnh hưởng
etaVariance ↑Bias ↑
max_depthBias ↑Variance ↑
min_child_weightVariance ↑Bias ↑
gammaVariance ↑Bias ↑
subsampleVariance ↑Bias ↑
colsample_bytreeVariance ↑Bias ↑

I. Kỹ thuật Cross-Validation – Tối ưu tham số

Mục tiêu:

Tìm bộ tham số tốt nhất bằng cách chia nhỏ dữ liệu huấn luyện thành nhiều phần → thử nghiệm mô hình trên từng phần → trung bình kết quả.

Ý tưởng chính

  • Chia dữ liệu huấn luyện thành k phần (folds).

  • Dùng (k-1) phần để huấn luyện, 1 phần để kiểm tra.

  • Lặp lại k lần → lấy trung bình độ chính xác.

Ưu điểm:

  • Đảm bảo mô hình không chỉ tốt trên một tập dữ liệu cụ thể.

  • Giúp chọn ra tham số tổng quát hóa tốt.

Ví dụ: Sử dụng GridSearchCV để tìm tham số
from sklearn.model_selection import GridSearchCV
from xgboost import XGBClassifier

params = {
    'max_depth': [3, 6],
    'learning_rate': [0.01, 0.1],
    'subsample': [0.7, 1],
}

model = XGBClassifier()
grid = GridSearchCV(estimator=model, param_grid=params, cv=5)
grid.fit(X_train, y_train)

print("Best Params:", grid.best_params_)
Ghi nhớ
Vấn đềCách giải quyết
Overfitting (Variance cao)Tăng min_child_weight, tăng gamma, giảm max_depth, subsample, colsample_bytree
Underfitting (Bias cao)Giảm min_child_weight, giảm gamma, tăng max_depth, n_estimators

Tổng kết

  • Bạn nên tinh chỉnh tham số qua GridSearch hoặc RandomizedSearch kết hợp Cross-Validation.

  • Luôn cân nhắc Bias – Variance Tradeoff khi chọn giá trị.

  • XGBoost hỗ trợ song song hóa → xử lý Cross-Validation rất hiệu quả.

Tác giả: Đỗ Ngọc Tú
Công Ty Phần Mềm VHTSoft

 

Lên đầu trang