Python XGBRegressionor.fit（）方法TypeError:应为range（）整数结束参数，获得浮点值

我运行了mod.fit（X，y）并收到错误：

TypeError:应为range（）整数结束参数，获得浮点值

（见下文）。

X

和

y

输入似乎没有任何问题。该错误似乎在xgboost代码中。它成功地适合其他型号，但我最近通过conda安装了它：

conda安装-c conda forge xgboost

我正在MacOS 10.10.5上运行python 2.7.11

模型参数为：

{ 'base_score':         5.0,
  'booster':           'gbtree',
  'colsample_bylevel':  1,
  'colsample_bytree':   1,
  'gamma':              0,
  'learning_rate':      0.07500000000000001,
  'max_delta_step':     0,
  'max_depth':          4,
  'min_child_weight':   1,
  'missing':            None,
  'n_estimators':      75.0,
  'n_jobs':            -1,
  'nthread':            None,
  'objective':         'reg:linear',
  'random_state':       0,
  'reg_alpha':          0,
  'reg_lambda':         1,
  'scale_pos_weight':   1,
  'seed':               0,
  'silent':             True,
  'subsample':          1
   }

---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-30-38afa4aff6db> in <module>()
----> 1 mod.fit(X_train.values, y_train.values)

/Users/chriseal/anaconda/lib/python2.7/site-packages/xgboost/sklearn.pyc in fit(self, X, y, eval_set, eval_metric, early_stopping_rounds, verbose)
    249                               early_stopping_rounds=early_stopping_rounds,
    250                               evals_result=evals_result, obj=obj, feval=feval,
--> 251                               verbose_eval=verbose)
    252
    253         if evals_result:

/Users/chriseal/anaconda/lib/python2.7/site-packages/xgboost/training.pyc in train(params, dtrain, num_boost_round, evals, obj, feval, maximize, early_stopping_rounds, evals_result, verbose_eval, learning_rates, xgb_model, callbacks)
    203                            evals=evals,
    204                            obj=obj, feval=feval,
--> 205                            xgb_model=xgb_model, callbacks=callbacks)
    206
    207

/Users/chriseal/anaconda/lib/python2.7/site-packages/xgboost/training.pyc in _train_internal(params, dtrain, num_boost_round, evals, obj, feval, xgb_model, callbacks)
     62         cb for cb in callbacks if not cb.__dict__.get('before_iteration', False)]
     63
---> 64     for i in range(start_iteration, num_boost_round):
     65         for cb in callbacks_before_iter:
     66             cb(CallbackEnv(model=bst,

TypeError: range() integer end argument expected, got float.

{'base_score'：5.0，
“助推器”：“gbtree”，
“colsample_bylevel”：1，
“colsample_bytree”：1，
“gamma”：0，
“学习率”：0.075000000000000001，
“最大增量步长”：0，
“最大深度”：4，
“最小儿童体重”：1，
“缺失”：无，
‘n_估计量’：75.0，
“n_jobs”：-1，
“nthread”：无，
“目标”：“注册：线性”，
“随机_状态”：0，
“reg_alpha”：0，
“reg_lambda”：1，
“秤位重量”：1，
“种子”：0，
“沉默”：没错，
“子样本”：1
}
---------------------------------------------------------------------------
TypeError回溯（最近一次调用上次）
在（）
---->1模配合（X_系列值、y_系列值）
/Users/chriseal/anaconda/lib/python2.7/site-packages/xgboost/sklearn.pyc合适（self、X、y、eval\u集、eval\u度量、提前停止轮、详细）
249个提前停止轮=提前停止轮，
250评估结果=评估结果，obj=obj，feval=feval，
-->251详细（评估=详细）
252
253如果评估结果：
/Users/chriseal/anaconda/lib/python2.7/site-packages/xgboost/training.pyc in train（参数、数据训练、数值推进、评估、对象、feval、最大化、提前停止、评估结果、详细评估、学习率、xgb模型、回调）
203 evals=evals，
204 obj=obj，feval=feval，
-->205 xgb_模型=xgb_模型，回调=回调）
206
207
/Users/chriseal/anaconda/lib/python2.7/site-packages/xgboost/training.pyc in_train_internal（参数、dtrain、num_boost_round、evals、obj、feval、xgb_model、回调）
如果不是cb.dict.get（'before\u iteration'，False），回调中的cb为62 cb
63
--->64表示范围内的i（开始迭代，第次循环）：
65对于iter前回调中的cb：
66 cb（CallbackEnv（型号=bst，
TypeError:应为range（）整数结束参数，获得浮点值。

我刚刚算出了。我在迭代超参数，而n_估计量是一个

浮点（75.0）而不是整数（75）。很容易修复