Question

在XGBoost中，我尝试了多种方法使成对组使用组集，但没有成功。使用set_group时，以下代码不起作用，但对于xgbTrain已注释掉set_group

import xgboost
import pandas as pd
from xgboost import DMatrix,train

xgb_params ={    
    'booster' : 'gbtree',
    'eta': 0.1,
    'gamma' : 1.0 ,
    'min_child_weight' : 0.1,
    'objective' : 'rank:pairwise',
    'eval_metric' : 'merror',
    #'num_class': 3,  # 
    'max_depth' : 6,
    'num_round' : 4,
    'save_period' : 0 
}


n_group=2
n_choice=3    

#training dataset

dtrain=np.random.uniform(0,100,[n_group*n_choice,2])    
dtarget=np.array([np.random.choice([0,1,2],3,False) for i in range(n_group)]).flatten()
dgroup=np.array([np.repeat(i,3)for i in range(n_group)]).flatten()

xgbTrain = DMatrix(dtrain, label = dtarget)
xgbTrain =xgbTrain.set_group(dgroup)

#watchlist

dtrain_eval=np.random.uniform(0,100,[n_group*n_choice,2])        

xgbTrain_eval = DMatrix(dtrain_eval, label = dtarget)
#xgbTrain_eval =xgbTrain_eval .set_group(dgroup)

#test dataset

dtest=np.random.uniform(0,100,[n_group*n_choice,2])    
dtestgroup=np.array([np.repeat(i,3)for i in range(n_group)]).flatten()

xgbTest = DMatrix(dtest)
#xgbTest =xgbTest.set_group(dgroup)
evallist  = [(xgbTrain_eval, 'eval')]

rankModel = xgboost.train(params=xgb_params,dtrain=xgbTrain  )
print(rankModel.predict( xgbTest))

返回的错误似乎指向缺少eval数据，但甚至将evals指定为

 rankModel = xgboost.train(params=xgb_params,dtrain=xgbTrain,evals=evallist )

错误仍然存在。

请注意，num_class已被注释掉，但直观地说，它应该具有值3（此处对应于类的数量）或2（对于成对排名情况下的组数）？

指出什么是错的任何帮助？

（Xgboost 0.6）

Answer 1

错误： mea cupla，set_group不正确，应该是

     xgbTrain.set_group(dgroup)

而不是

     xgbTrain =xgbTrain.set_group(dgroup)

解决方案：

set_group中的数据应该是每组每个项目的计数，每组一个项目。

      dgroup=np.array([n_choice for i in range(n_group)]).flatten()

那就做到了！

XGBoost成对设置 - python

1 个答案: