¿Cuál es la diferencia en R en xgboost entre binary: logistic y reg: logistic? ¿Es solo en métrica de evaluación?
En caso afirmativo, ¿cómo se compara RMSE en la clasificación binaria con la tasa de error? ¿La relación entre las métricas es más o menos monótona, el resultado del ajuste en una métrica no debería diferir significativamente entre esos dos enfoques?
Respuestas:
No hay diferencia en el algoritmo, son lo mismo. Cuando usa reg:logisticla métrica de evaluación predeterminada es rmse, pero puede cambiar este parámetro.
El error ratey el rmsepueden diferir dependiendo de la distribución de su salida, ya que error rateutiliza un límite de si tiene los valores de salida concentrados en o será mucho más pequeño que rmse, aunque su métrica correlacionada el modelo puede ser muy diferente, la aplicación dependerá de su problema.
Para evaluar el rendimiento de los modelos de regresión logística es habitual calcular auc, logloss, precisión, pseudo-y algunos otros .