R xgboost， Gamma 回归问题

Question

我正在玩 xgboost，有一些财务数据，想尝试 Gamma 回归作为目标。

cvs <- xgb.cv(data = sparse_matrix, label = target, nfold = 10, nthread = 4, nround = 16, objective = "reg:gamma", metrics = list("mae"))

但这似乎比使用线性回归作为目标需要更长的时间。

并且还会抛出很多以下警告:

In foldVector[which(y == dimnames(numInClass)$y[i])] <- sample(seqVector) :
  number of items to replace is not a multiple of replacement length

此警告重复约 50 次。

这是怎么回事？我不应该使用 reg:gamma 作为目标吗，因为 reg:linear 工作得很好，我只是在玩，只是想尝试各种目标

谁能指出为什么会出现这些警告？

Answer 1

我的回答有点晚了，但可能对其他人有帮助。我在 reg:logistic 目标上遇到了同样的问题，我解决它的方法是在 xgb.cv 中设置 stratified=FALSE/p>

根据 xgboost 文档，stratified 是一个 bool 值，指示是否应根据结果标签的值对折叠采样进行分层。