Question

在使用XGBoost训练模型后，我尝试测试模型，但是预测是某种浮点数，当我想获得性能指标时会导致错误。这是代码：

import xgboost as xgb
import sklearn.metrics as mt 

xg_reg = xgb.XGBRegressor(objective ='reg:linear', colsample_bytree = 0.3, learning_rate = 0.1,
            max_depth = 5, alpha = 10, n_estimators = 10)
xg_reg.fit(X_train,Y_train)
y_pred = xg_reg.predict(X_test)
mt.f1_score(Y_test, y_pred)

这是错误：

ValueError: Target is multiclass but average='binary'. Please choose another average setting.

当我使用其他增强模型（例如AdaBoost或CatBoost）时，这从未发生过。我应该考虑一个阈值，将+1分配给高于阈值的那些，将-1分配给低于阈值的那些吗？任何形式的建议，不胜感激。

Answer 1

正如您明确暗示的那样，假设您处于二进制分类设置中，问题是您不应该不使用XGBRegressor，该符号用于回归问题而不是分类问题；来自docs（添加了常识）：

xgboost.XGBRegressor类

针对XGBoost 回归
的scikit-learn API的实现

您应该改用XGBClassifier。

有关更多详细信息，请参见Accuracy Score ValueError: Can't Handle mix of binary and continuous target中的答案（注意，因为那里几乎所有其他答案，包括公认的且被高度推崇的答案，基本上都是错误的）； scikit-learn实际上是一个相同的问题，但同样的论点也适用于您的情况。

XGBoost产生非二进制预测

1 个答案: