Python XGBoost Error info.labels.size（）！=0U（0对0）

我试图使用XGBOOST在python上运行一个回归问题：

    import xgboost
    global clf
    clf = XGBRegressor(n_estimators = 500, 
                       learning_rate = 0.05,
                       max_depth=6,
                       n_jobs=4,
                       alpha = 0.1)

    clf.fit(X_train, y_train, 

            early_stopping_rounds = 5,
            eval_set = validation, verbose=False)

    predicted_test_tr = np.round(clf.predict(X_test))

但经过几次迭代后，它会引发以下错误：

XGBoostError: b'[10:56:23] src/objective/regression_obj.cc:43: Check failed: info.labels_.size() != 0U (0 vs. 0) label set cannot be empty\n\nStack trace returned 7 entries:\n[bt] (0) 0   libxgboost.dylib                    0x0000001a1971b7a1 dmlc::StackTrace() + 305\n[bt] (1) 1   libxgboost.dylib                    0x0000001a1971b52f dmlc::LogMessageFatal::~LogMessageFatal() + 47\n[bt] (2) 2   libxgboost.dylib                    0x0000001a19792d21 xgboost::obj::RegLossObj<xgboost::obj::LinearSquareLoss>::GetGradient(xgboost::HostDeviceVector<float>*, xgboost::MetaInfo const&, int, xgboost::HostDeviceVector<xgboost::detail::GradientPairInternal<float> >*) + 257\n[bt] (3) 3   libxgboost.dylib                    0x0000001a19717496 xgboost::LearnerImpl::UpdateOneIter(int, xgboost::DMatrix*) + 1014\n[bt] (4) 4   libxgboost.dylib                    0x0000001a1973369f XGBoosterUpdateOneIter + 79\n[bt] (5) 5   libffi.6.dylib                      0x0000000110308884 ffi_call_unix64 + 76\n[bt] (6) 6   ???                                 0x00007ffee1b29950 0x0 + 140732684998992\n\n'

---

但仍然报告相同的错误；如何修复它？

此代码运行时没有任何问题：

from xgboost import XGBRegressor
clf = XGBRegressor(n_estimators = 500, 
                       learning_rate = 0.05,
                       max_depth=6,
                       n_jobs=1,
                       alpha = 0.1)

import numpy as np
X_train = np.random.uniform(size=(100,10))
y_train = np.zeros(100)
clf.fit(X_train, y_train, verbose=False)

请注意，我没有在

clf.fit

中设置am eval。什么是您的变量

验证

？它应该是

xgboost.DMatrix

和字符串的元组，例如：

dval = xgb.DMatrix(X_val, label=y_val)
validation = (dval, "validation")

---

请确保列车组和验证组的所有输入（x）都有标签（y）。您可以将输入和标签以DMatrix的形式存储，然后将它们传递给模型。在我的例子中，当数据帧中有非ascii字符时，同样的问题也会发生。如果您已将其移除，它将起作用。或者尝试lightboost gbm，它将抛出一个精确的错误。

我认为您应该明确说明Objective函数。这可能有助于解决你的问题。在多标签分类中，如果你指定二元损失作为成本，你会得到一个类似的错误，我试图解决一个回归问题；我知道，我刚刚举了一个例子，我得到了一个与你类似的错误。我的观点是：如果可以的话，在XGBRegressionOri的调用中显式地指定成本函数，在参数部分：objective=“reg:linear”；但它报告了相同的错误。错误是否在

clf=XGBRegressor（…

或

clf.fit（…

）处出现？我将验证集定义为测试集的子集：X_test=X[t:]y_test=y[t:]validation=[（X_test，y_test）]，如果我使用：dval=xgboost.DMatrix运行代码（X_测试，label=y_测试）validation=（dval，“validation”），它会引发：“'DMatrix'对象不支持索引”

dval = xgb.DMatrix(X_val, label=y_val)
validation = (dval, "validation")