python – XgBoost:y中填充最少的类只有1个成员,这个成员太少了

前端之家收集整理的这篇文章主要介绍了python – XgBoost:y中填充最少的类只有1个成员,这个成员太少了前端之家小编觉得挺不错的,现在分享给大家,也给大家做个参考。

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.

猜你在找的Python相关文章