XGBRegressor против xgboost.train огромная разница в скорости?

Если я тренирую свою модель, используя следующий 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)

это заканчивается примерно через 1 минуту.

Если я тренирую свою модель, используя метод обучения 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)

это займет более 30 минут.

Я думаю, что базовый код почти такой же (то есть XGBRegressorвызовы xg.train) - что здесь происходит?

xgboost.trainбудет игнорировать параметр n_estimators, пока xgboost.XGBRegressorпринимает. В xgboost.train, повышение итераций (то есть n_estimators) управляется num_boost_round(по умолчанию: 10)

В вашем случае первый код будет выполнять 10 итераций (по умолчанию), а второй - 1000 итераций. Там не будет большой разницы , если вы пытаетесь изменить clf = xg.train(params, dmatrix)в clf = xg.train(params, dmatrix, 1000),

Ссылки

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

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