问题标签 [xgbclassifier]

错误如下

AttributeError Traceback（最近一次调用最后一次）在 10 xgb_param['num_class'] = 7 11 cvresult = xgb.cv(xgb_param, xgb_train, num_boost_round=xgb_model.get_params()['n_estimators'], nfold=5, early_stopping_rounds=10, verbose_eval=True) ---> 12 xgb.set_params(n_estimators=cvresult.shape[0]) 13 预测，准确度，metrics_report = train_test_model(xgb_model, X_train, X_test, y_train, y_test) 14 print('accuracy: {}' .格式（准确性））

AttributeError：模块“xgboost”没有属性“set_params”

我正在尝试使用 GPU 加速我的 XGBClassifier。

我已经尝试过这段代码，但 GPU 和 CPU 需要相同的时间：

使用 nvidia-smi

到底是怎么回事？我忘了安装一些东西吗？Actuakky，CPU 比 GPU 快...

我使用了本教程，一切正常（过程中没有错误）

https://www.youtube.com/watch?v=hfef_ZF7kEo&t=572s

关于为什么不起作用的任何想法？

现在我这样做了，但它不适用于预测

我试图建立一个 XGBoost 二进制分类模型。我设置了我的训练和测试数据并执行了以下操作以将数据拟合到模型中。

当我运行此代码时，我收到以下错误消息：

谁能解释一下这里发生了什么。如何修复此错误？我正在使用 Jupyter Notebook 和 Python 3 并使用最新的 XGB 库版本。

我尝试使用 SageMaker 的 AutoPilot 来解决二进制分类问题，我发现它使用 f1 作为评估指标。但是当我尝试编写一些代码而不进行这样的调整时：

这会产生以下错误：

[2021-10-17:00:02:19:ERROR] 客户错误：不支持度量标准“f1”。参数 'eval_metric' 应该是以下选项之一：'rmse'、'mae'、'logloss'、'error'、'merror'、'mlogloss'、'auc'、'ndcg'、'map'、'poisson- nloglik'，'gamma-nloglik'，'gamma-deviance'，'tweedie-nloglik'。

由于自动驾驶仪能够计算 F1，我觉得它以某种方式在超参数设置中得到支持？我是不是误会了？

任何帮助将不胜感激。

这是我的数据中的一个示例：

然后我交叉验证了这些数据：

我的标签是“w”列。num_class 为 2，因为“w”有 0 或 1 类。我的最终目标是构建一个分类器，以使用 xgboost 从数据中预测标签 w 但是当我运行上面的 xgb.cv 时，它返回给我：

所有的训练和测试错误都是 0。为什么？我该如何解决这个问题？

这是要求的dput(head(data))：

我有一个模型：

数据是随机调查问题的 94 个变量的矩阵，标签是Ethnicity，这是一个 0-7 变量编码种族/民族，因此从 0 到 7 的每个数字都代表一个种族。

我发现哪些变量在预测中最重要：

现在我被卡住了，我的问题是如何描述或显示这些变量与标签之间的关系？蒂亚！

以下是来自 dput(head(data)) 的一些数据：

我正在尝试在 GoogleColab 上使用 PyCaret 来运行 XGBoost 分类器，但出现错误。我安装了完整的软件包：

但是当我导入评级库时，它给了我一个错误：

TypeError: load() 缺少 1 个必需的位置参数：'Loader'

安装标准版的时候导入没有报错，但是没有XGBoost

在此处输入图像描述

我完全承认这可能只是我误解了它的工作原理；

我使用了 multi:softprob 方法，因为这是我认为适合我的数据的方法：

每列都是数字。有些只是一个含义的占位符，例如事故严重程度范围从 1 到 5，而速度限制是根据发生事故的道路的速度限制（6 个唯一）的字面 MPH。因此，除了车辆数量和伤亡人数之外，大多数都是离散的。

当我测试使用什么分类器时，它也提出了 multi:softprob 。

因此，当我运行它时，由于 xgb.plot_tree 函数，我可以看到图表，并且我注意到它使用笨拙的指标来进行下一步。

例如 1.5 人伤亡，这在现实中是不可能的，也不应该在数据中出现？如-我的思考过程是它应该认为<5伤亡，<4车辆？

或者这是正常的吗？

这是一个示例模型

xgb.trainxgboost是在 Python中训练模型的低级 API 。

• 当我使用包装器并在训练模型时XGBClassifier调用时，我可以打印对象并打印超参数。xgb.trainXGBClassifier
• 使用时xgb.train我不知道如何在训练后检查参数

代码：