Question

我正在尝试训练光梯度增强机分类算法（LGBMClassifier）。我的数据中有三个类，我给它们分配了-1、0和1。这些标签具有特定的含义，因此我不想将它们更改为其他标签（例如0、1和2）。

当我尝试训练模型时，出现以下错误消息：

Label must be in [0, 3), but found -1 in label

如果我有三个标签，必须将它们分别指定为0,1和2？

更新＃1

感谢JST99，这是正确的方法。我定义如下，它可以正常工作。请注意，运行预测时，输出是长度为n_classes的概率向量，如果使用np.argmax将其转换为概率最高的类，则将具有从0到n的类（即，必须请注意将其转换回您的原始类，在我的情况下为[-1,0,1]。

hyperparameter_dictionary = {'task': 'train',
                            'boosting_type': 'gbdt',
                            'objective': 'multiclass',
                            'metric': 'multi_logloss',
                            'num_leaves': 100,
                            'learning_rate': 0.05,
                            'feature_fraction': 0.9,
                            'bagging_fraction': 0.9,
                            'bagging_freq': 0,
                            'verbose': -1,
                            'num_class': 3,
                            'classes': [-1, 0, 1]
                            }
model = lgb.LGBMClassifier(**hyperparameter_dictionary)
model.fit(X,y)

Answer 1

根据docs，您可以在初始化分类器时指定其他kwarg自变量classes。具体来说，classes是

类型：形状数组= [n_classes]

因此，我们可以尝试

clf = lightgbm.LGBMClassifier(..., classes=[-1, 0, 1])

分类器模型：是否可以将-1的标签分配给一个类？

1 个答案: