Python 无法将XGBRegressionor与sklearn RFE一起使用

帮助，这个简单的代码会产生一个奇怪的错误

from sklearn.feature_selection import RFECV
from xgboost.sklearn import XGBRegressor
import sklearn.metrics
from sklearn.metrics import mean_absolute_error

estimator = XGBRegressor()
selector = RFECV(estimator, step=1, min_features_to_select=1, cv=10, scoring='neg_mean_absolute_error')
selector = selector.fit(x, y.values.flatten())

我的回归器已经工作正常，但selector.fit不工作。 对于RFE或RFECV，我得到了相同的结果：

~/miniconda2/envs/py3/lib/python3.6/site-packages/xgboost/sklearn.py in coef_(self)
    714                                  .format(self.booster))
    715         b = self.get_booster()
--> 716         coef = np.array(json.loads(b.get_dump(dump_format='json')[0])['weight'])
    717         # Logic for multiclass classification
    718         n_classes = getattr(self, 'n_classes_', None)

KeyError: 'weight'

---

提前感谢。

我在xgboost版本1.0.2中遇到了同样的问题。降级到0.90版，如下所示解决了该问题

pip show xgboost
pip uninstall xgboost
pip install --upgrade xgboost==0.90
pip show xgboost

在版本0.90中，我得到了以下警告，错误可能与使用（默认）reg:linear作为度量有关。如果您降级到V0.90，则无需执行任何操作并使用现有代码（如果它在升级之前正常工作）

警告：C:/Jenkins/workspace/xgboost-win64_release_0.90/src/objective/regression_obj.cu:152:reg:linear现在被弃用，取而代之的是reg:squaredrror

---

您可以尝试在XGBR中设置增压器选项：

estimator = XGBRegressor(booster='gbtree')

---

XGBoost中基本上有两种类型的助推器：线性助推器和树助推器（）。有一些属性是它们各自独有的。例如，给出错误的

coef\u

属性仅为线性学习器（）定义，而

feature\u importances\u

仅为基于树的学习器定义。

能否将代码重新格式化为20个字符的线宽？我无法在超暗模式下阅读。