Python Xgboost GridSearchCV 被杀死，如何修复？

Question

我是 Python 上的 xgboost 新手，今天我尝试按照此处的教程进行操作:https://jessesw.com/XG-Boost/ .

然后我使用自己的数据尝试了 xgboost，它在不使用 gridsearch 的情况下工作正常。然后我按照教程进行了网格搜索，但看起来不起作用。这是我的代码:

cv_params = {'max_depth': [3, 5, 7], 'min_child_weight': [1, 3, 5]}
ind_params = {'learning_rate': 0.1, 'n_estimators': 500, 'seed': 0,
          'subsample': 0.8, 'colsample_bytree': 0.8,
          'objective': 'reg:linear'}

optimized_GBM = GridSearchCV(xgb.XGBClassifier(**ind_params),
                         cv_params,
                         cv=5, n_jobs=2, verbose=2)

optimized_GBM.fit(train_x, train['label'])

我得到了这个输出:

Fitting 5 folds for each of 9 candidates, totalling 45 fits
[CV] max_depth=3, min_child_weight=1................................      
//anaconda/bin/python.app: line 3:   906 Killed: 9        //anaconda/python.app/Contents/MacOS/python "$@"

如有任何建议，我们将不胜感激!

Answer 1

就我而言，原因是在 colsample_by_tree 中。当特征总数小于 10 时，为 0.1。

失败的原因是当树尝试在具有 n 个样本和 0 个特征的数据集上学习时的断言。