- c - 在位数组中找到第一个零
- linux - Unix 显示有关匹配两种模式之一的文件的信息
- 正则表达式替换多个文件
- linux - 隐藏来自 xtrace 的命令
我正在使用 XGBClassifier(在 xgboost 中)进行多类分类。执行分类器后,我收到一条错误消息:
unexpected keyword argument 'num_class'
导致此错误的代码如下(params 是 xgb 的一组有效参数):
xgb.XGBClassifier(params, num_class=100)
我搜索了一下,发现“num_class”参数被命名为“n_classes”,用于 XGBClassifier 的 scikit 实现。我尝试了此更改并收到了类似的错误:
unexpected keyword argument 'n_classes'
下面列出了导致此错误的代码:
xgb.XGBClassifier(params, num_class=100)
感谢任何修复此错误的帮助!
最佳答案
在 Sklearn XGB API 中,您不需要明确指定 num_class 参数。如果目标超过 2 个级别,XGBClassifier 会自动切换到多类分类模式。
evals_result = {}
self.classes_ = list(np.unique(y))
self.n_classes_ = len(self.classes_)
if self.n_classes_ > 2:
# Switch to using a multiclass objective in the underlying XGB instance
xgb_options["objective"] = "multi:softprob"
xgb_options['num_class'] = self.n_classes_
在这里查看完整的源代码:https://github.com/dmlc/xgboost/blob/master/python-package/xgboost/sklearn.py
关于python - XGBClassifier num_class 无效,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/35384977/
希望我读错了,但是在 XGBoost 库中 documentation , 注意到使用 feature_importances_ 提取特征重要性属性很像 sklearn 的随机森林。 但是,出于某种原
后引用this link我能够使用 XGBoost 成功实现增量学习.我想构建一个分类器并需要检查预测概率,即 predict_proba()方法。如果我使用 XGBoost,这是不可能的.在实现时
我正在尝试定义一个名为 XGBExtended 的类扩展类xgboost.XGBClassifier ,xgboost 的 scikit-learn API。我遇到了 get_params 的一些问题
我一直在为 XGBClassifier 的这种怪异行为而烦恼,它应该像 RandomForestClassifier 那样表现得很好: import xgboost as xgb from sklea
我正在使用 XGBClassifier(在 xgboost 中)进行多类分类。执行分类器后,我收到一条错误消息: unexpected keyword argument 'num_class' 导致此
我使用 XGBBoost 训练了一个多标签分类模型,并想在另一个系统中对该模型进行编码。 是否可以在 XGB Booster 中将我的 XGBClassifier 模型的文本输出视为 dump_mod
除了binary:logistic(这是默认的目标函数)之外,是否还有其他内置目标函数可以在xbgoost.XGBClassifier()中使用? ? 最佳答案 binary:logistic 确实是
我在anaconda笔记本下。 我最近安装了 xgboost 但无法访问 XGBClassifier : from xgboost import XGBClassifier 当我只导入 xgboost
我阅读了文档, import xgboost as xgb class xgboost.XGBClassifier(max_depth=3, learning_rate=0.1, n_estimato
我有以下代码: from xgboost import XGBClassifier print(df_train.shape) print(df_train_labels.shape) clf = c
我正在使用 python 以增量方式(逐 block )拟合 xgboost 模型。我遇到了一个使用 xgboost.train 的解决方案,但我不知道如何处理它返回的 Booster 对象。例如,X
来自sklearn-style API of XGBClassifier ,我们可以提供早期停止的评估示例。 eval_set (list, optional) – A list of (X, y)
我尝试设置 XGBoost sklearn API XGBClassifier根据文档使用自定义目标函数 (brier): .. note:: Custom objective functi
我想知道 XGBClassifier 对它所做的每个预测有多大信心。有可能有这样的值(value)吗?或者 predict_proba 是否已经间接地成为模型的置信度? 最佳答案 您的直觉确实是正确的
我正在尝试使用以下改编自 http://www.analyticsvidhya.com/blog/2016/03/complete-guide-parameter-tuning-xgboost-wit
我按以下方式使用 xgboost: from xgboost import XGBClassifier clf = XGBClassifier() clf = clf.fit(df_train, df
我正在尝试使用 XGBoosts 分类器对一些二进制数据进行分类。当我做最简单的事情并且只使用默认值时(如下) clf = xgb.XGBClassifier() metLearn=Calibrate
在我的 Jupyter 笔记本中,我有: from xgbost import plot_importance plot_importance(model) pyplot.show() 由于模型有很多
我正在尝试为 XGBClassifier 获取最佳超参数,这将导致获得最具预测性的属性。我正在尝试使用 RandomizedSearchCV 通过 KFold 进行迭代和验证。 当我总共运行此过程 5
xgboost 已成功导入,但我无法导入 XGBClassifier。 最佳答案 检查是否xgboost是否正确安装。 安装 xgboost在 anaconda发行版,您可以在 anaconda 命令
我是一名优秀的程序员,十分优秀!