Python中使用xgb.train训练模型后如何获取其超参数

xgb.train是xgboost的底层训练API，返回的是Booster类实例。和上层sklearn封装的XGBClassifier不同，XGBClassifier在初始化时就会把所有超参数存储到对象公开属性中，所以直接打印对象就能输出参数，而底层的Booster类没有做这个封装，没有默认公开的params属性，所以直接调用bst.params无法拿到参数。可以用以下几种方法实现需求：

• 方法1：直接读取训练前定义的超参数字典
  如果你只需要自己手动配置的超参数，直接复用训练时传入的params字典即可，xgb.train运行时不会修改该字典的内容。
• 方法2：获取包含默认参数的完整配置
  1.3及以上版本的xgboost支持Booster实例调用save_config()方法，返回包含所有参数（含框架自动补全的默认参数）的JSON字符串，转成字典后即可提取所需内容：

  import json
  # 训练完成后执行
  config = json.loads(bst.save_config())
  # 示例：获取max_depth配置
  print(config["learner"]["gradient_booster"]["tree_train_param"]["max_depth"])
  

• 方法3：手动绑定参数到模型实例
  如果你需要和XGBClassifier一样直接从模型对象读取参数，可以在训练完成后手动把参数字典绑定到Booster实例上：

  bst = xgb.train(params, dtrain)
  bst.params = params
  # 后续可直接调用
  print(bst.params)
  

内容的提问来源于stack exchange，提问作者gato