Saltar al pie de página
  1. IronPDF for Python
  2. Blog de IronPDF for Python
  3. Ayuda de Python
  4. XGBoost Python
AYUDA DE PYTHON

XGBoost Python (Cómo Funciona: Una Guía para Desarrolladores)

Curtis Chau
Curtis Chau
Actualizado:

XGBoost significa eXtreme Gradient Boosting, un algoritmo de aprendizaje automático poderoso y preciso. Se ha aplicado principalmente en análisis de regresión, clasificación y problemas de ranking. Incorpora características como la regulación que ayudan a evitar el sobreajuste, paralelismo y procesamiento de datos faltantes.

IronPDF es una biblioteca de Python para crear, modificar y leer archivos PDF. Facilita la conversión de HTML, imágenes o texto en PDFs, y también puede agregar encabezados, pies de página y marcas de agua. Aunque principalmente se ocupa de su uso en Python, es notable que la herramienta .NET puede implementarse en este lenguaje de programación con la ayuda de herramientas de interoperabilidad como Python.NET.

La combinación de XGBoost e IronPDF ofrece aplicaciones más amplias. A través de IronPDF, el resultado del pronóstico se puede combinar con la creación de documentos PDF interactivos. Esta combinación es especialmente útil en la generación de documentos corporativos precisos y cifras y los resultados obtenidos de los modelos predictivos aplicados.

¿Qué es XGBoost Python?

XGBoost es una biblioteca de aprendizaje automático poderosa para Python basada en aprendizaje de ensamble, que es altamente eficiente y flexible. XGBoost es una implementación de un algoritmo de boosting de gradiente por Tianqi Chen que incluye optimizaciones adicionales. La efectividad ha sido probada en muchos dominios de aplicación con tareas correspondientes que se pueden resolver por este método, como tareas de clasificación, regresión, ranking, etc. XGBoost tiene varias características únicas: La ausencia de valores faltantes no es un problema para él; hay una oportunidad de usar normas L1 y L2 para luchar contra el sobreajuste;

El entrenamiento se realiza en paralelo, lo que acelera significativamente el proceso de entrenamiento. La poda de árboles también se realiza en profundidad primero en XGBoost, lo que ayuda a gestionar la capacidad del modelo. Una de sus características es la validación cruzada de hiperparámetros y las funciones integradas para evaluar el rendimiento del modelo. La biblioteca interactúa bien con otras utilidades de ciencia de datos construidas en un entorno Python, como NumPy, SciPy y scikit-learn, lo que permite incorporarla en un entorno confirmado. Sin embargo, debido a su velocidad, simplicidad y alto rendimiento, XGBoost se ha convertido en la herramienta esencial en el 'arsenal' de muchos analistas de datos, especialistas en aprendizaje automático y aspirantes a científicos de datos de redes neuronales.

Características de XGBoost Python

XGBoost es famoso por sus muchas características que lo hacen ventajoso en varias tareas de aprendizaje automático y algoritmos de aprendizaje automático, así como por hacerlo más accesible para implementar. Aquí están las características clave de XGBoost en Python:

Regularización:

Aplica técnicas de regularización L1 y L2 para reducir el sobreajuste y aumentar el rendimiento del modelo.

Procesamiento en paralelo

El modelo pre-entrenado usa todos los núcleos de la CPU durante el entrenamiento, mejorando así significativamente el entrenamiento de los modelos.

Manejo de los datos que faltan

Un algoritmo que, cuando el modelo está entrenado, decide automáticamente la mejor manera de trabajar con valores faltantes.

Poda de árboles

En la poda de árboles, primero se logra en profundidad en los árboles usando el parámetro "profundidad máxima", lo que reduce el sobreajuste.

Validación cruzada incorporada

Incluye métodos de validación cruzada integrados para la evaluación del modelo y la optimización de hiperparámetros, ya que admite y realiza validación cruzada de manera nativa, la implementación es menos complicada.

Escalabilidad

Está optimizado para la escalabilidad; por lo tanto, puede analizar grandes datos y manejar datos del espacio de características apropiadamente.

Soporte para varios idiomas

XGBoost originalmente se desarrolló en Python; sin embargo, para mejorar su alcance, también admite R, Julia y Java.

Informática distribuida

El paquete está diseñado para ser distribuido, lo que significa que puede ejecutarse en múltiples computadoras para procesar grandes cantidades de datos.

Funciones de objetivo y evaluación personalizadas

Permite a los usuarios configurar funciones de objetivo y mediciones de rendimiento para sus requisitos específicos. Además, admite tanto clasificación binaria como de múltiple clase.

Importancia de las características

Ayuda a identificar el valor de varias características, puede ayudar en la selección de características para un conjunto de datos determinado y proporciona interpretaciones de múltiples modelos.

Sparse Aware

Funciona bien con formatos de datos escasos, lo cual es muy útil al trabajar con datos que contienen muchos valores nulos o ceros.

Integración con otras bibliotecas

Complementa bibliotecas de ciencia de datos populares como NumPy, SciPy y scikit-learn, que son fáciles de integrar en flujos de trabajo de ciencia de datos.

Crear y configurar XGBoost Python

En Python, existen múltiples procesos involucrados en la creación y configuración de un modelo XGBoost: el proceso de recopilación y preprocesamiento de datos, creación del modelo, gestión del modelo y evaluación del modelo. A continuación se presenta una guía detallada que le ayudará a comenzar:

Instalar XGBoost

Primero, verifique si el paquete XGBoost está en su sistema. Puede instalarlo en su computadora con pip:

pip install xgboost
pip install xgboost
SHELL

Importar bibliotecas

import xgboost as xgb
import numpy as np
from sklearn.datasets import load_boston
from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_squared_error
import xgboost as xgb
import numpy as np
from sklearn.datasets import load_boston
from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_squared_error
PYTHON

Preparar los datos

En este ejemplo, vamos a usar el conjunto de datos de vivienda de Boston:

# Load the Boston housing dataset
boston = load_boston()
# Load data and target values
X = boston.data
y = boston.target
# Split the dataset into training and testing sets
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
# Load the Boston housing dataset
boston = load_boston()
# Load data and target values
X = boston.data
y = boston.target
# Split the dataset into training and testing sets
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
PYTHON

Crear DMatrix

XGBoost usa una estructura de datos auto-definida llamada DMatrix para el entrenamiento.

# Create DMatrix for training and testing sets
dtrain = xgb.DMatrix(X_train, label=y_train)
dtest = xgb.DMatrix(X_test, label=y_test)
# Create DMatrix for training and testing sets
dtrain = xgb.DMatrix(X_train, label=y_train)
dtest = xgb.DMatrix(X_test, label=y_test)
PYTHON

Configurar parámetros

Configure los parámetros del modelo. Una configuración de muestra es la siguiente:

# Set parameters
params = {
    'objective': 'reg:squarederror',  # Objective function for regression
    'max_depth': 4,  # Maximum depth of a tree
    'eta': 0.1,  # Learning rate
    'subsample': 0.8,  # Subsample ratio of the training instances
    'colsample_bytree': 0.8,  # Subsample ratio of columns when constructing each tree
    'seed': 42  # Random seed for reproducibility
}
# Set parameters
params = {
    'objective': 'reg:squarederror',  # Objective function for regression
    'max_depth': 4,  # Maximum depth of a tree
    'eta': 0.1,  # Learning rate
    'subsample': 0.8,  # Subsample ratio of the training instances
    'colsample_bytree': 0.8,  # Subsample ratio of columns when constructing each tree
    'seed': 42  # Random seed for reproducibility
}
PYTHON

Entrenar el modelo

Use el método de entrenamiento para entrenar un modelo XGBoost.

# Number of boosting rounds
num_round = 100
# Train the model
bst = xgb.train(params, dtrain, num_round)
# Number of boosting rounds
num_round = 100
# Train the model
bst = xgb.train(params, dtrain, num_round)
PYTHON

Haga predicciones

Ahora, use este modelo entrenado para hacer predicciones en el conjunto de prueba.

# Make predictions
preds = bst.predict(dtest)
# Make predictions
preds = bst.predict(dtest)
PYTHON

Evaluar el modelo

Verifique el rendimiento del modelo de aprendizaje automático usando una medida de métrica apropiada, por ejemplo, el error cuadrático medio:

# Calculate mean squared error
mse = mean_squared_error(y_test, preds)
print(f"Mean Squared Error: {mse}")
# Calculate mean squared error
mse = mean_squared_error(y_test, preds)
print(f"Mean Squared Error: {mse}")
PYTHON

Guardar y cargar el modelo

Puede guardar el modelo entrenado en un archivo y cargarlo más tarde si es necesario:

# Save the model
bst.save_model('xgboost_model.json')
# Load the model 
bst_loaded = xgb.Booster()
bst_loaded.load_model('xgboost_model.json')
# Save the model
bst.save_model('xgboost_model.json')
# Load the model 
bst_loaded = xgb.Booster()
bst_loaded.load_model('xgboost_model.json')
PYTHON

Empezando

A continuación se presenta la instalación básica de ambas bibliotecas, con un ejemplo de cómo comenzar a usar XGBoost para el análisis de datos y IronPDF para generar informes en PDF.

¿Qué es IronPDF?

Use el poderoso paquete de Python IronPDF para generar, manipular y leer PDFs. Esto permite a los programadores realizar muchas operaciones basadas en programación en PDFs, como trabajar con PDFs preexistentes y convertir HTML en archivos PDF. IronPDF es una solución eficiente para aplicaciones que requieren la generación y procesamiento dinámico de PDFs, ya que proporciona una forma adaptativa y amigable de generar documentos PDF de alta calidad.

Conversión de HTML a PDF

IronPDF puede crear documentos PDF a partir de cualquier contenido HTML, nuevo o existente. Permite la creación de hermosas y artísticas publicaciones PDF a partir de contenido web que capturan el poder del HTML5 moderno, CSS3 y JavaScript en todas sus formas.

Crear/Editar PDF

Puede agregar texto, imágenes, tablas y otro contenido en nuevos documentos PDF generados programáticamente. Usando IronPDF, se pueden abrir y editar documentos PDF existentes para su modificación posterior. En un PDF, puede editar/agregar contenido y eliminar contenido específico en el documento según sea necesario.

Diseño y estilo complejos

Utiliza CSS para estilizar el contenido en PDF. Admite diseños complejos, fuentes, colores y todos esos componentes de diseño. Además, las formas de renderizado de material HTML que se pueden usar con JavaScript permiten la creación de contenido dinámico en PDFs.

Instalar IronPDF

IronPDF puede instalarse a través de pip. Use el siguiente comando para instalarlo:

 pip install ironpdf

Combine XGBoost Python con IronPDF

Importe todas las bibliotecas relevantes y cargue su conjunto de datos. En nuestro caso, usaremos el conjunto de datos de vivienda de Boston:

import xgboost as xgb
import numpy as np
from ironpdf import *     
from sklearn.datasets import load_boston
from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_squared_error

# Load data
boston = load_boston()
X = boston.data
y = boston.target

# Split data
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# Create DMatrix
dtrain = xgb.DMatrix(X_train, label=y_train)
dtest = xgb.DMatrix(X_test, label=y_test)

# Set parameters
params = {
    'objective': 'reg:squarederror',
    'max_depth': 4,
    'eta': 0.1,
    'subsample': 0.8,
    'colsample_bytree': 0.8,
    'seed': 42
}

# Train model
num_round = 100
bst = xgb.train(params, dtrain, num_round)

# Make predictions
preds = bst.predict(dtest)
mse = mean_squared_error(y_test, preds)

# Create a PDF document using IronPDF
iron_pdf = ChromePdfRenderer()

# Create HTML content
html_content = f"""
<html>
<head>
    <title>XGBoost Model Report</title>
</head>
<body>
    <h1>XGBoost Model Report</h1>
    <p>Mean Squared Error: {mse}</p>
    <h2>Predictions</h2>
    <ul>
        {''.join([f'<li>{pred}</li>' for pred in preds])}
    </ul>
</body>
</html>
"""

pdf = iron_pdf.RenderHtmlAsPdf(html_content)

# Save the PDF document
pdf.SaveAs("XGBoost_Report.pdf")
print("PDF document generated successfully.")
import xgboost as xgb
import numpy as np
from ironpdf import *     
from sklearn.datasets import load_boston
from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_squared_error

# Load data
boston = load_boston()
X = boston.data
y = boston.target

# Split data
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# Create DMatrix
dtrain = xgb.DMatrix(X_train, label=y_train)
dtest = xgb.DMatrix(X_test, label=y_test)

# Set parameters
params = {
    'objective': 'reg:squarederror',
    'max_depth': 4,
    'eta': 0.1,
    'subsample': 0.8,
    'colsample_bytree': 0.8,
    'seed': 42
}

# Train model
num_round = 100
bst = xgb.train(params, dtrain, num_round)

# Make predictions
preds = bst.predict(dtest)
mse = mean_squared_error(y_test, preds)

# Create a PDF document using IronPDF
iron_pdf = ChromePdfRenderer()

# Create HTML content
html_content = f"""
<html>
<head>
    <title>XGBoost Model Report</title>
</head>
<body>
    <h1>XGBoost Model Report</h1>
    <p>Mean Squared Error: {mse}</p>
    <h2>Predictions</h2>
    <ul>
        {''.join([f'<li>{pred}</li>' for pred in preds])}
    </ul>
</body>
</html>
"""

pdf = iron_pdf.RenderHtmlAsPdf(html_content)

# Save the PDF document
pdf.SaveAs("XGBoost_Report.pdf")
print("PDF document generated successfully.")
PYTHON

Ahora, creará objetos de la clase DMatrix para manejar de manera eficiente sus datos, luego configure los parámetros del modelo con respecto a la función objetivo e hiperparámetros. Después de entrenar el modelo XGBoost, prediga en el conjunto de prueba; puede usar el Error Cuadrático Medio o métricas similares para evaluar el rendimiento. Luego, use IronPDF para crear un PDF con todos los resultados.

Crea una representación HTML con todos sus resultados; luego, utilizará la clase ChromePdfRenderer de IronPDF para convertir este contenido HTML en un documento PDF. Finalmente, puede guardar este informe PDF generado en una ubicación deseada. Esta integración le permitirá automatizar la creación de informes muy elaborados y profesionales en los que se encapsulan las ideas derivadas de los modelos de aprendizaje automático.

Conclusión

En resumen, XGBoost e IronPDF están integrados para el análisis avanzado de datos y la generación de informes profesionales. La eficiencia y escalabilidad de XGBoost proporcionan la mejor solución para fluir a través de tareas de aprendizaje automático complicadas con capacidades predictivas robustas y excelentes herramientas para optimización del modelo. Puede vincular sin problemas estos en Python con IronPDF, convirtiendo las ricas ideas obtenidas de XGBoost en informes PDF altamente detallados.

Estas integraciones permitirán así considerablemente la producción de documentos atractivos y ricos en información con respecto a los resultados, haciéndolos comunicables a los interesados o adecuados para un análisis posterior. La analítica de negocios, la investigación académica, o cualquier proyecto basado en datos se beneficiaría enormemente de una sinergia incorporada entre XGBoost e IronPDF para procesar datos de manera eficiente y comunicar los hallazgos con facilidad.

Integre IronPDF y otros productos de Iron Software para garantizar que sus clientes y usuarios finales obtengan soluciones de software ricas en funciones y de primera calidad. Esto también ayudará a optimizar sus proyectos y procesos.

Documentación completa, comunidad activa y actualizaciones frecuentes, todo va de la mano con la funcionalidad de IronPDF. Iron Software es el nombre de un socio confiable para proyectos de desarrollo de software modernos. IronPDF está disponible para una prueba gratuita para todos los desarrolladores. Pueden probar todas sus características. Las tarifas de licencia de $799 están disponibles para obtener el mayor valor de este producto.

Curtis Chau
Curtis Chau
  Chatea con el equipo de ingeniería ahora
Escritor Técnico

Curtis Chau tiene una licenciatura en Ciencias de la Computación (Carleton University) y se especializa en el desarrollo front-end con experiencia en Node.js, TypeScript, JavaScript y React. Apasionado por crear interfaces de usuario intuitivas y estéticamente agradables, disfruta trabajando con frameworks modernos y creando manuales bien ...

Leer más

Artículos Relacionados

Prueba de 30 días → Producto completo. Sin límites. Sin tarjeta. Comenzar prueba gratuita