Apa perbedaan dalam xgboost biner: logistik dan reg: logistik

Apa perbedaan R dalam xgboost antara biner: logistik dan reg: logistik? Apakah hanya dalam metrik evaluasi?

Jika ya, bagaimana RMSE pada klasifikasi biner dibandingkan dengan tingkat kesalahan? Apakah hubungan antara metrik kurang lebih monotonik, keluaran dari penyetelan pada satu metrik seharusnya tidak berbeda secara signifikan antara kedua pendekatan tersebut?

Tidak ada perbedaan dalam algoritma, mereka sama. Saat Anda menggunakan reg:logisticmetrik evaluasi default rmse, tetapi Anda dapat mengubah parameter ini.

Itu error ratedan rmsemungkin berbeda tergantung pada distribusi output Anda, karena error ratemenggunakan batas$0.5$ jika Anda memiliki nilai output terkonsentrasi di $0$ atau $1$itu akan jauh lebih kecil daripada rmse, meskipun metrik yang berkorelasi modelnya bisa sangat berbeda, aplikasi akan tergantung pada masalah Anda.

Untuk mengevaluasi kinerja model regresi logistik biasa menghitung auc, logloss, akurasi, pseudo-$R^2$dan beberapa lainnya .