Question

我有一个3类[-1,0,1]的多类分类问题。我想在xgboost中使用eval_set。但失败并显示错误：

rank_metric.cc:88: Check failed: preds.size() == info.labels_.size() (270 
vs. 90) label size predict size not match'

我跑步时

  modelfit=model.fit(Xtrain,ytrain)

运行正常

modelfit=model.fit(Xtrain,ytrain,eval_set = [(Xtest, ytest)])

产生以上错误

我尝试了所有可用于多类的eval_metric，它们都产生相同的错误。

模型如下：

xgb.XGBClassifier(n_jobs = -1,objective = 'multi:softmax',
                num_class=3, eval_metric = 'mlogloss',           
tree_method='approx', scale_pos_weight=1,
            **{'subsample':0.5,'colsample_bylevel':1, 'colsample_bytree': 
1, 'gamma':0, 'learning_rate':0.3,'max_delta_step': 0, 'max_depth': 10, 
'min_child_weight': 1, 'n_estimators': 10, 'reg_alpha': 0, 'reg_lambda': 
0})

ipdb> modelfit.predict(Xtest)
array([-1., -1., -1., -1., -1., -1., -1.,  1., -1., -1., -1.,  1.,  1.,
    1., -1.,  1.,  0., -1.,  1.,  1.,  1., -1., -1.,  1.,  1.,  1.,
    1.,  1.,  1.,  0.,  0., -1., -1., -1., -1., -1., -1., -1., -1.,
   -1., -1., -1., -1., -1., -1., -1., -1., -1., -1., -1., -1., -1.,
   -1., -1., -1., -1., -1., -1., -1., -1., -1., -1., -1., -1., -1.,
   -1., -1., -1., -1., -1., -1., -1.,  1., -1., -1., -1., -1., -1.,
    0.,  1.,  1.,  1.,  1.,  1.,  1., -1., -1., -1., -1., -1.])
ipdb> len(modelfit.predict(Xtest))
90
ipdb> len(ytest)
90
ipdb> ytest
array([-1., -1., -1., -1., -1., -1., -1.,  0., -1.,  1.,  0.,  1.,  0.,
    1.,  0.,  1.,  0.,  1.,  1.,  1.,  1.,  1.,  1.,  1.,  1.,  1.,
    1.,  1., -1., -1., -1., -1., -1., -1., -1., -1.,  0.,  0.,  1.,
    1.,  0.,  0.,  0.,  0.,  1.,  1.,  1.,  1.,  0.,  0.,  1.,  0.,
    0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0., -1.,
   -1., -1., -1.,  0.,  0.,  0.,  1.,  1.,  1.,  1.,  0.,  0.,  0.,
    0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.])

从调试器输出中可以看到

，predict（Xtest）和ytest的len均为90。为什么xgboost会产生错误？

Answer 1

看起来像是0.80版本中的错误升级到xgboost 0.82时可以正常工作

在多类分类xgboost python中正确设置eval_set，错误为“检查失败：preds.size（）== info.labels_.size（）”

1 个答案: