R中xgboost调参以及画学习曲线

在 R 中使用 xgboost 模型调参，可以通过设置模型参数来进行，例如：`eta`（学习率）、`max_depth`（树的最大深度）、`subsample`（每棵树的样本采样比例）等。

可以使用 `caret` 包中的 `train` 函数，其中指定了使用的是 `xgboost` 以及需要调整的参数，然后通过交叉验证的方法来选择最佳参数。

学习曲线可以通过用 `ggplot2` 包中的 `ggplot` 函数来绘制。可以通过模型对训练集和验证集进行预测，然后通过比较预测结果与实际结果，来绘制出学习曲线。

以下是一个简单的例子：

library(caret)
library(xgboost)
library(ggplot2)

# 加载数据
data(mtcars)

# 创建训练集和验证集
set.seed(123)
index <- createDataPartition(mtcars$mpg, p = 0.7, list = FALSE)
train_data <- mtcars[index, ]
valid_data <- mtcars[-index, ]

# 训练模型并调参
xgb_model <- train(mpg ~ ., data = train_data, method = "xgbTree", 
                   trControl = trainControl(method = "cv", number = 5),
                   tuneGrid = expand.grid(nrounds = c(100, 200),
                                          max_depth = c(1, 2, 3),
                                          eta = c(0.1, 0.3, 0.5)))

# 预测并绘制学习曲线
pred_train <- predict(xgb_model, train_data)
pred_valid <- predict(xgb_model, valid_data)
ggplot(data.frame(actual = c(train_data$mpg, valid_data$mpg), 
                  predicted =