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