在XGBoost中,我尝试了多种方法使成对组与组集一起工作,但是没有成功。下面的代码在使用set_group时不起作用,但是在set_group注释掉xgbTrain时可以使用
import xgboost
import pandas as pd
from xgboost import DMatrix,train
xgb_params ={
'booster' : 'gbtree',
'eta': 0.1,
'gamma' : 1.0 ,
'min_child_weight' : 0.1,
'objective' : 'rank:pairwise',
'eval_metric' : 'merror',
#'num_class': 3, #
'max_depth' : 6,
'num_round' : 4,
'save_period' : 0
}
n_group=2
n_choice=3
#training dataset
dtrain=np.random.uniform(0,100,[n_group*n_choice,2])
dtarget=np.array([np.random.choice([0,1,2],3,False) for i in range(n_group)]).flatten()
dgroup=np.array([np.repeat(i,3)for i in range(n_group)]).flatten()
xgbTrain = DMatrix(dtrain, label = dtarget)
xgbTrain =xgbTrain.set_group(dgroup)
#watchlist
dtrain_eval=np.random.uniform(0,100,[n_group*n_choice,2])
xgbTrain_eval = DMatrix(dtrain_eval, label = dtarget)
#xgbTrain_eval =xgbTrain_eval .set_group(dgroup)
#test dataset
dtest=np.random.uniform(0,100,[n_group*n_choice,2])
dtestgroup=np.array([np.repeat(i,3)for i in range(n_group)]).flatten()
xgbTest = DMatrix(dtest)
#xgbTest =xgbTest.set_group(dgroup)
evallist = [(xgbTrain_eval, 'eval')]
rankModel = xgboost.train(params=xgb_params,dtrain=xgbTrain )
print(rankModel.predict( xgbTest))
返回的错误似乎指出缺少eval数据,但甚至将eval指定为
^{pr2}$错误仍然存在。在
注意num_class被注释掉了,但是直觉上它应该有一个值3(这里对应于类的数量)或者2(对于成对排序的情况下的组数)?在
有什么能帮你指出问题的吗?在
(xG增压0.6)
错误: 我是说,set AU组不正确,应该是
而不是
^{pr2}$解决方案:
set_group中的数据应该是每组每个项目的计数,每组有一个项目。在
那就成功了!在
相关问题 更多 >
编程相关推荐