Question

我使用xgboost来表示回归问题，但我得到的错误是关于响应变量，即输出销售，它在课堂上最初是数字但是因为我使用xgboost它显示错误但是我只想要以数字形式输出< / p>

labels <- train$Item_Outlet_Sales# train label
ts_label <- test$Item_Outlet_Sales  # test label

# converted into matrix ( one hot encoding )
new_tr <- model.matrix(~.+0,data = train[,-c("Item_Outlet_Sales"),with=F])
new_ts <- model.matrix(~.+0,data = test[,-c("Item_Outlet_Sales"),with=F])

## checking class
class(labels)
[1] "numeric"

我在test中创建了标签或响应变量 test$Item_Outlet_Sales <- NA

class(test$Item_Outlet_Sales)
[1] "logical"

# coverting `ts_label` into numeric as it initially is logical
ts_label <- as.numeric(ts_label)-1
class(ts_label)
[1] "numeric"

现在

 dtrain1 <- xgb.DMatrix(data = new_tr,label = labels) 
 dtest1 <- xgb.DMatrix(data = new_ts,label= ts_label)

 xgbmodel1 = xgb.train(data=dtrain1, nround=150, max_depth=5, eta=0.1,  subsample=0.9, 
                       objective="reg:logistic", booster="gbtree", eval_metric="rmse")

错误 -

Error in xgb.iter.update(bst$handle, dtrain, iteration - 1, obj) : 
  [14:08:41] amalgamation/../src/objective/regression_obj.cc:108: 
  label must be in [0,1] for logistic regression

我用过这个：

xgbmodel1 = xgb.train(data=dtrain1, nround=150, max_depth=5, eta=0.1,  subsample=0.9, 
                      objective="reg:linear", booster="gbtree", eval_metric="rmse")

我得到的响应变量的所有值都等于-1，而我的rmse得分是无限的......

请告诉我如何在这种情况下有效实施xgboost，即使是默认条件，也不会出现错误。

我在这个数据集中有4个分类变量。

这是火车数据集的子集

当然，r＆lt; - train [1：3，]

r

Item_Identifier Item_Fat_Content Item_Type Item_MRP Outlet_Identifier 1：FDA15低脂乳制品249.8092 OUT049 2：DRC01常规软饮料48.2692 OUT018 3：FDN15低脂肪肉141.6180 OUT049 Outlet_Establishment_Year Outlet_Location_Type Outlet_Type Item_Outlet_Sales 1：1999 Tier 1 Supermarket Type1 3735.1380 2：2009 Tier 3 Supermarket Type2 443.4228 3：1999 Tier 1 Supermarket Type1 2097.2700 Item_Weight Item_Visibility Outlet_Size 1：9.30 0.01604730 2 2：5.92 0.01927822 2 3：17.50 0.01676007 2

Answer 1

我在这里看到两个问题：

算法要求标签为0或1。相反，您的代码将它们设置为值0或-1。更正您定义ts_label变量的行，如下所示：
```
ts_label <- as.numeric(ts_label)
```
您有二进制目标和分类预测变量。你为什么要做逻辑回归？我认为“二元：逻辑”可能是一个更好的目标。 “reg：linear”毫无意义，你的损失函数应该基于准确性而不是rmse。

xgboost错误 - 当我的标签已经是数字时，标签必须在[0,1]中，我需要的结果是数字不在0,1

1 个答案: