Python xgboost.cv给出TypeError:&x27；层状褶皱&x27；对象是不可编辑的

我一直在尝试在Python2.7中实现这段代码。它给了我这个错误。我会很感激你的帮助。 我有最新版本的sklearn（0.18.1）和xgboost（0.6）

我得到这个错误：

TypeErrorTraceback (most recent call last)
<ipython-input-52-41c415e116d7> in <module>()
      5     'scale_pos_weight':scale,
      6 }
----> 7 hist = xgb.cv(params, dtrain, num_boost_round=10000, folds=kf, early_stopping_rounds=50, as_pandas=True, verbose_eval=100, show_stdv=True, seed=0)
      8 
      9 

/opt/conda/lib/python2.7/site-packages/xgboost/training.pyc 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)
    369 
    370     results = {}
--> 371     cvfolds = mknfold(dtrain, nfold, params, seed, metrics, fpreproc, stratified, folds)
    372 
    373     # setup callbacks

/opt/conda/lib/python2.7/site-packages/xgboost/training.pyc in mknfold(dall, nfold, param, seed, evals, fpreproc, stratified, folds)
    236         idset = [randidx[(i * kstep): min(len(randidx), (i + 1) * kstep)] for i in range(nfold)]
    237     elif folds is not None:
--> 238         idset = [x[1] for x in folds]
    239         nfold = len(idset)
    240     else:

TypeError: 'StratifiedKFold' object is not iterable

TypeErrorTraceback（最近一次调用上次）
在（）
5“天平位置重量”：天平，
6 }
---->7 hist=xgb.cv（参数、数据训练、数量提升轮=10000、折叠次数=kf、提前停止轮=50、as=True、verbose=100、show=True、seed=0）
8.
9
/cv中的opt/conda/lib/python2.7/site-packages/xgboost/training.pyc（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）
369
370个结果={}
-->371 cvfolds=mknfold（数据训练、nfold、参数、种子、度量、fpreproc、分层、折叠）
372
373#设置回调
/mknfold中的opt/conda/lib/python2.7/site-packages/xgboost/training.pyc（dall、nfold、param、seed、evals、fpreproc、分层、折叠）
236 idset=[randidx[（i*kstep）：范围内i的最小值（len（randidx），（i+1）*kstep）]（nfold）]
237 elif褶皱不是无：
-->238 idset=[x[1]表示折叠中的x]
239 nfold=len（idset）
240其他：
TypeError:“StratifiedKFold”对象不可编辑

在

xgb.cv

函数中，尝试替换

folds=kf

与

为了将其分为培训和验证，应用了。然后，我们将其转换为一个

列表

，使其成为一个可编辑对象

如果不起作用，请尝试不使用

列表

。即:

folds=kf.split(x_train,y_train)

---

正如错误所表明的，kf是一个“分层折叠”对象

此对象有一个.split（）方法，该方法将为您提供一个包含不同序列/有效元素索引的生成器

folds_generator = kf.split(x_train, y_train)

但是，阅读xgb.cv

折叠：列表，提供了使用预定义CV折叠列表的可能性（每个元素必须是测试折叠索引的向量）。提供褶皱时，将忽略nfold和分层参数

折叠需要“list”类型的参数。您可以使用以下代码将生成器转换为列表

folds_list = list(folds_generator)

folds_generator = kf.split(x_train, y_train)

folds_list = list(folds_generator)