我刚接触过Python上的xgboost,今天我试图遵循这里的教程:https://jessesw.com/XG-Boost/。在
然后我用我自己的数据尝试了xgboost,它不用gridsearch就可以正常工作。然后我按照教程做了gridsearch,但是看起来它不起作用。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:
^{pr2}$任何建议都将不胜感激!在
在我的例子中,原因是在colsample_by_tree中。当特征总数少于10个时为0.1。在
失败的原因是一个断言,当tree试图学习具有n个样本和0个特征的数据集时。在
相关问题 更多 >
编程相关推荐