Python 3.x xgboost错误：检查失败：！auc#U错误auc：数据集仅包含pos或neg样本'；

我正在毫无问题地运行以下代码：

churn_dmatrix = xgb.DMatrix(data = class_data.iloc[:, :-1], label = class_data.Churn)
params = {'objective' : 'binary:logistic' , 'max_depth' : 4}
cv_results = xgb.cv(dtrain = churn_dmatrix, params = params, nfold = 4, num_boost_round = 1, metrics = 'error', \
                    as_pandas = True)

print(cv_results)
 train-error-mean  train-error-std  test-error-mean  test-error-std
0          0.395833         0.108253            0.375        0.414578

但是，当我将度量更改为“auc”时，会收到一条错误消息：

cv_results = xgb.cv(dtrain = churn_dmatrix, params = params, nfold = 4, num_boost_round = 5, metrics = 'auc', \
                    as_pandas = True)

---------------------------------------------------------------------------
XGBoostError                              Traceback (most recent call last)
<ipython-input-102-ea99ef0705b5> in <module>()
----> 1 cv_results = xgb.cv(dtrain = churn_dmatrix, params = params, nfold = 4, num_boost_round = 5, metrics = 'auc',                     as_pandas = True)

C:\ProgramData\Anaconda3\lib\site-packages\xgboost\training.py in cv(params, dtrain, num_boost_round, nfold, stratified, folds, metrics, obj, feval, maximize, early_stopping_rounds, fpreproc, as_pandas, verbose_eval, show_stdv, seed, callbacks, shuffle)
    405         for fold in cvfolds:
    406             fold.update(i, obj)
--> 407         res = aggcv([f.eval(i, feval) for f in cvfolds])
    408 
    409         for key, mean, std in res:

C:\ProgramData\Anaconda3\lib\site-packages\xgboost\training.py in <listcomp>(.0)
    405         for fold in cvfolds:
    406             fold.update(i, obj)
--> 407         res = aggcv([f.eval(i, feval) for f in cvfolds])
    408 
    409         for key, mean, std in res:

C:\ProgramData\Anaconda3\lib\site-packages\xgboost\training.py in eval(self, iteration, feval)
    220     def eval(self, iteration, feval):
    221         """"Evaluate the CVPack for one iteration."""
--> 222         return self.bst.eval_set(self.watchlist, iteration, feval)
    223 
    224 

C:\ProgramData\Anaconda3\lib\site-packages\xgboost\core.py in eval_set(self, evals, iteration, feval)
    953                                               dmats, evnames,
    954                                               c_bst_ulong(len(evals)),
--> 955                                               ctypes.byref(msg)))
    956         res = msg.value.decode()
    957         if feval is not None:

C:\ProgramData\Anaconda3\lib\site-packages\xgboost\core.py in _check_call(ret)
    128     """
    129     if ret != 0:
--> 130         raise XGBoostError(_LIB.XGBGetLastError())
    131 
    132 

XGBoostError: b'[14:27:23] src/metric/rank_metric.cc:135: Check failed: !auc_error AUC: the dataset only contains pos or neg samples'

cv\u results=xgb.cv（dtrain=chorn\u dmatrix，params=params，nfold=4，num\u boost\u round=5，metrics='auc'\
as_=正确）
---------------------------------------------------------------------------
XGBoostError回溯（最近一次呼叫最后一次）
在（）
---->1 cv\u results=xgb.cv（dtrain=chorn\u dmatrix，params=params，nfold=4，num\u boost\u round=5，metrics='auc'，as\u pandas=True）
C:\ProgramData\Anaconda3\lib\site packages\xgboost\training.py在cv中（参数、数据训练、数值推进、nfold、分层、折叠、度量、obj、feval、最大化、提前停止、FPREPROCC、大熊猫、详细评估、显示stdv、种子、回调、洗牌）
405对于cvfolds中的折叠：
406倍。更新（i，obj）
-->407 res=aggcv（[f.eval（i，feval）表示f在cvfolds中的值]）
408
409对于键、平均值、标准值，以res表示：
C:\ProgramData\Anaconda3\lib\site packages\xgboost\training.py in（.0）
405对于cvfolds中的折叠：
406倍。更新（i，obj）
-->407 res=aggcv（[f.eval（i，feval）表示f在cvfolds中的值]）
408
409对于键、平均值、标准值，以res表示：
C:\ProgramData\Anaconda3\lib\site packages\xgboost\training.py in eval（self、iteration、feval）
220 def评估（自我、迭代、feval）：
221“”为一次迭代评估CVPack。”“”
-->222返回self.bst.eval_集（self.watchlist，迭代，feval）
223
224
评估集中的C:\ProgramData\Anaconda3\lib\site packages\xgboost\core.py（self、evals、iteration、feval）
953个DMAT、evnames、，
954 c_bst_ulong（len（evals）），
-->955 ctypes.byref（msg）））
956 res=msg.value.decode（）
957如果feval不是None：
C:\ProgramData\Anaconda3\lib\site packages\xgboost\core.py in\u check\u调用（ret）
128     """
129如果ret！=0:
-->130引发XGBoosError（_LIB.XGBGetLastError（））
131
132
xGBoothror:b'[14:27:23]src/metric/rank_metric.cc:135:检查失败：！auc_错误auc：数据集仅包含pos或neg样本的

---

似乎所有的预测都是正面或负面的。我说得对吗？有什么我可以做的吗？

当xgboost尝试拆分为训练/验证时，问题会出现，并且在其中一个拆分中，它没有否定或肯定的示例（在训练集中或验证集中）

我发现您可以采取两种快速方法：

你可以检查你有多少正面的例子和负面的例子 拥有，并获得更多你错过的例子。它将变得更加容易和强大 更快地为您复制您缺少的示例。例如，如果您有99%的负面示例和1%的正面示例，您可能希望将每个正面示例复制99次（这是

99/1

的产物）

您可以自己创建交叉验证，从而获得对分割的控制权，并强制每个分割使用否定和肯定的示例