Python 使用lightgbm校准的分类RCV进行概率校准

我正在尝试将sklearn的CalibredClassifiedRCV（）与lightgbm一起使用，如下所示：

clf = LGBMClassifier(
boosting_type= 'gbdt',
objective= 'multiclass',
num_class=5,
metric= 'multi_logloss',
learning_rate= 0.05,
max_depth= 7,
num_leaves= 60,
feature_fraction= 0.7,
bagging_fraction= 1,
bagging_freq= 20,
nthread=4,
n_estimators=50)

calibrated_clf = CalibratedClassifierCV(clf, method='isotonic', cv=5)
calibrated_clf.fit(train_df[v1], train_df['label'])

然而，这给我带来了一个错误，因为有一些分类变量，lightgbm可以有效地处理这些变量，而无需转换为一个热编码，但CalibredClassifiedRCV则不能

错误：

ValueError:无法将字符串转换为浮点：“RC”

它调用的是sklearn的validation.py，它在步骤中抛出错误，因为调用字符串对象上的astype float：

if dtype_numeric and array.dtype.kind == "O":
    array = array.astype(np.float64)

---

有没有一种方法可以在不转换为数值变量的情况下处理这个问题？我避免将类别转换为数字，因为有10000多个类别

请发布您收到的完整错误消息，包括完整的回溯。不在inbuild CalibredClassifiedRCV中。但是您可以查看源代码并对其进行修改，以删除它所做的检查。