XGBRegressor проти xgboost.train величезна різниця швидкостей?

Якщо я треную свою модель, використовуючи наступний код:

import xgboost as xg
params = {'max_depth':3,
'min_child_weight':10,
'learning_rate':0.3,
'subsample':0.5,
'colsample_bytree':0.6,
'obj':'reg:linear',
'n_estimators':1000,
'eta':0.3}

features = df[feature_columns]
target = df[target_columns]
dmatrix = xg.DMatrix(features.values,
                     target.values,
                     feature_names=features.columns.values)
clf = xg.train(params, dmatrix)

він закінчується приблизно за 1 хвилину.

Якщо я треную свою модель, використовуючи метод навчання Sci-Kit:

import xgboost as xg
max_depth = 3
min_child_weight = 10
subsample = 0.5
colsample_bytree = 0.6
objective = 'reg:linear'
num_estimators = 1000
learning_rate = 0.3

features = df[feature_columns]
target = df[target_columns]
clf = xg.XGBRegressor(max_depth=max_depth,
                min_child_weight=min_child_weight,
                subsample=subsample,
                colsample_bytree=colsample_bytree,
                objective=objective,
                n_estimators=num_estimators,
                learning_rate=learning_rate)
clf.fit(features, target)

це займає понад 30 хвилин.

Я думаю, що базовий код майже точно такий же (тобто XGBRegressorдзвінки xg.train) - що тут відбувається?

xgboost.trainбуде ігнорувати параметр n_estimators, а xgboost.XGBRegressorприймає. У xgboost.train, збільшений ітерацій (тобто n_estimators) контролюється num_boost_round(за замовчуванням: 10)

У вашому випадку перший код виконає 10 ітерацій (за замовчуванням), а другий - 1000 ітерацій. Там не буде великої різниці , якщо ви намагаєтеся змінити clf = xg.train(params, dmatrix)в clf = xg.train(params, dmatrix, 1000),

Список літератури

http://xgboost.readthedocs.io/en/latest/python/python_api.html#xgboost.train

http://xgboost.readthedocs.io/en/latest/python/python_api.html#xgboost.XGBRegressor