Question

我正在尝试使用XGBOOST在python上运行回归问题：

    import xgboost
    global clf
    clf = XGBRegressor(n_estimators = 500, 
                       learning_rate = 0.05,
                       max_depth=6,
                       n_jobs=4,
                       alpha = 0.1)

    clf.fit(X_train, y_train, 

            early_stopping_rounds = 5,
            eval_set = validation, verbose=False)

    predicted_test_tr = np.round(clf.predict(X_test))

但是经过几次迭代，它会引发以下错误：

XGBoostError: b'[10:56:23] src/objective/regression_obj.cc:43: Check failed: info.labels_.size() != 0U (0 vs. 0) label set cannot be empty\n\nStack trace returned 7 entries:\n[bt] (0) 0   libxgboost.dylib                    0x0000001a1971b7a1 dmlc::StackTrace() + 305\n[bt] (1) 1   libxgboost.dylib                    0x0000001a1971b52f dmlc::LogMessageFatal::~LogMessageFatal() + 47\n[bt] (2) 2   libxgboost.dylib                    0x0000001a19792d21 xgboost::obj::RegLossObj<xgboost::obj::LinearSquareLoss>::GetGradient(xgboost::HostDeviceVector<float>*, xgboost::MetaInfo const&, int, xgboost::HostDeviceVector<xgboost::detail::GradientPairInternal<float> >*) + 257\n[bt] (3) 3   libxgboost.dylib                    0x0000001a19717496 xgboost::LearnerImpl::UpdateOneIter(int, xgboost::DMatrix*) + 1014\n[bt] (4) 4   libxgboost.dylib                    0x0000001a1973369f XGBoosterUpdateOneIter + 79\n[bt] (5) 5   libffi.6.dylib                      0x0000000110308884 ffi_call_unix64 + 76\n[bt] (6) 6   ???                                 0x00007ffee1b29950 0x0 + 140732684998992\n\n'

我试图用以下方法转换输入和输出：

.apply(pd.to_numeric)

但是仍然报告相同的错误；怎么解决？

Answer 1

请确保您的训练集和验证集都为所有输入（x）贴上标签（y）。您可以以DMatrix的形式存储输入和标签，然后将它们传递给模型。这些是评估所需的。

Answer 2

对于我来说，当我在数据框中使用非ASCII字符时，也会发生相同的问题。如果删除了它，它将起作用。或者尝试使用lightboost gbm，它将引发确切的错误。

Answer 3

此代码运行没有任何问题：

from xgboost import XGBRegressor
clf = XGBRegressor(n_estimators = 500, 
                       learning_rate = 0.05,
                       max_depth=6,
                       n_jobs=1,
                       alpha = 0.1)

import numpy as np
X_train = np.random.uniform(size=(100,10))
y_train = np.zeros(100)
clf.fit(X_train, y_train, verbose=False)

请注意，我没有在clf.fit中设置评估。您的变量validation是什么？它应该是xgboost.DMatrix和字符串的元组，例如：

dval = xgb.DMatrix(X_val, label=y_val)
validation = (dval, "validation")

XGBoost错误info.labels.size（）！= 0U（0 vs.0）

3 个答案: