我在sklearn上使用Xgboost实现了一个讨人喜欢的比赛.
但是,我收到此“警告”消息:
$python Script1.py
/home/sky/private/virtualenv15.0.1dev/myVE/local/lib/python2.7/site-packages/sklearn/cross_valIDation.py:516:
警告:y中填充最少的类只有1个成员,这个成员太少了.任何类的最小标签数不能少于n_folds = 3.
%(min_labels,self.n_folds)),警告)
根据stackoverflow的另一个问题:
“检查每个类至少有3个样本能够用k == 3进行StratifIEdKFold交叉验证(我认为这是gridsearchcv用于分类的默认CV).”
好吧,我每班至少有3个样本.
所以我的问题是:
a)有哪些替代方案?
b)为什么我不能使用交叉验证?
c)我可以使用什么?
...param_test1 = { 'max_depth': range(3,10,2),'min_child_weight': range(1,6,2)}grID_search = gridsearchcv(estimator=XGBClassifIEr( learning_rate=0.1,n_estimators=3000,max_depth=15,min_child_weight=1,gamma=0,subsample=0.8,colsample_bytree=0.8,objective='multi:softmax',nthread=42,scale_pos_weight=1,seed=27),param_grID=param_test1,scoring='roc_auc',n_jobs=42,iID=False,cv=None,verbose=1)...grID_search.fit(train_x,place_ID)
参考文献:
One-shot learning with scikit-learn
Using a support vector classifier with polynomial kernel in scikit-learn最佳答案如果您的目标/类只有一个样本,那对于任何模型来说都太少了.您可以做的是获得另一个数据集,最好尽可能平衡,因为大多数模型在平衡集中表现更好.
如果您不能拥有其他数据集,则必须使用您拥有的数据集.我建议你删除那个有孤独目标的样本.因此,您将拥有一个不涵盖该目标的模型.如果这不符合您的要求,您需要一个新的数据集.
@H_502_42@ 总结以上是内存溢出为你收集整理的python – XgBoost:y中填充最少的类只有1个成员,这个成员太少了全部内容,希望文章能够帮你解决python – XgBoost:y中填充最少的类只有1个成员,这个成员太少了所遇到的程序开发问题。
如果觉得内存溢出网站内容还不错,欢迎将内存溢出网站推荐给程序员好友。
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)