Question

我有以下代码：

from xgboost import XGBClassifier

print(df_train.shape)
print(df_train_labels.shape)

clf = clf.fit(df_train, df_train_labels, verbose=True)
print("after fit")

此处df_train和df_train_labels是我从CSV中读取的大熊猫。

以上代码打印：

(1460, 7)
(1460,)

然而，10分钟内没有打印任何其他内容，这意味着代码停留在clf.fit，所以我假设算法不应该在此花费很长时间。

正如您所看到的，只有1460个例子，所以我假设算法不应该花费很长时间。

此外，由于我通过verbose=True，我原本期望模型打印一些输出，但这种情况不会发生。

知道为什么没有打印输出以及为什么XGBClassifier花了这么长时间？

Answer 1

查看文档： https://xgboost.readthedocs.io/en/latest/python/python_api.html#module-xgboost.sklearn

看起来用于打印进度的参数称为详细程度。将其设置为0到3之间的任何值（调试时为3）。

from xgboost import XGBClassifier
model = XGBClassifier()
setattr(model, 'verbosity', 2)

Answer 2

在您的情况下，XGBClassifier()首先应初始化要使用的模型。常用的管道是：

from xgboost import XGBClassifier

model = XGBClassifier()
model.fit(df_train, df_train_labels)
y_pred = model.predict(df_test)

尽管传递了详细参数，XGBC分类器很慢并且不打印任何输出

2 个答案: