Question

clf = XGBClassifier(learning_rate =0.05,
                    n_estimators=300,
                    max_depth=10,
                    min_child_weight=1,
                    gamma=0.5,
                    reg_alpha=0,              
                    reg_lambda=2,
                    subsample=0.8,
                    colsample_bytree=0.8,
                    scale_pos_weight=1,
                    objective='multi:softmax',
                    num_class=14,
                    nthread=20,
                    seed=1000)
xgb_param = clf.get_xgb_params()
xgTrain = xgb.DMatrix(x_train_, label=y_train_)

print ('Start cross validation')
cvresult = xgb.cv(xgb_param, xgTrain, num_boost_round=500, nfold=5, metrics=['mlogloss'],
     early_stopping_rounds=5, stratified=True, seed=1000)


print('Best number of trees = {}'.format(cvresult.shape[0]))
clf.set_params(n_estimators=cvresult.shape[0])
print('Fit on the all_trainingsdata')
clf.fit(X_train,y_train,eval_metric=['mlogloss'])

警告：/workspace/src/learner.cc:480：参数：可能不使用{scale_pos_weight}。

由于某些参数仅用于语言绑定，但由于某些参数而可能不正确传递给XGBoost核心。或不使用某些参数，而是通过验证。如果发现上述情况，请打开一个问题。

这是什么意思？我的笔记本计算机正在运行，并且不断重复出现，我应该忽略它还是采取措施停止它？

Answer 1

scale_pos_weight 是一个用于不平衡类的二元分类问题的参数。如果正例少，反例多，可以对正例加权，提高准确率。

您正在进行多类分类（如“multi:softmax”的目标所示），因此无法应用此参数。

您的笔记本将运行良好，您可以相信自己的结果。这只是一个警告。您可以通过删除调用中的 scale_pos_weight=1 参数来消除它。

警告：/workspace/src/learner.cc:480：参数：{scale_pos_weight}可能无法使用

1 个答案: