Python xgboost sklearn参数num_类的包装值0应大于等于1

我试图使用

sklearn

提供的

XGBClassifier

包装器解决多类问题。我的类是[0,1,2]，我使用的目标是

multi:softmax

。当我试图适应分类器时，我得到

xgboost.core.XGBoosError:参数num_类的值0应大于等于1

如果我试图设置num_类参数，我会得到错误

获取了意外的关键字参数“num\u class”

---

Sklearn正在自动设置此参数，因此我不应该传递该参数。但是为什么会出现第一个错误？

您需要手动将参数

num\u class

添加到xgb\u参数中

    # Model is an XGBClassifier
    xgb_param = model.get_xgb_params()
    xgb_param['num_class'] = 3
    cvresult = xgb.cv(xgb_param, ...)

---

如果您使用其

fit

方法，则XGBClassifier会自动设置此值，但在

cv

方法中不会设置此值

是否使用

xgboost.cv

功能？我遇到了同样的问题，但找到了解决办法。这是我的密码：

    xgb_param = model.get_xgb_params()
    extra = {'num_class': 3}
    xgb_param.update(extra)
    cvresult = xgb.cv(xgb_param, xgtrain, ...)

---

xgb_param

是XGBoost模型参数的字典。然后我向它附加一个新的dict

extra

，以指定

num_类

，将新的dict传递给

cv

函数。这是可行的。

在我的例子中，在常规的

fit

调用中抛出了相同的错误。问题的根源在于目标被手动设置为

multi:softmax

，但只有两个类。将其更改为

二进制：logistic

解决了问题