问参数num_class的xgboost sklearn包装器值0应该大于1

EN

您需要手动将参数num_class添加到xgb_param中

    # Model is an XGBClassifier
    xgb_param = model.get_xgb_params()
    xgb_param['num_class'] = 3
    cvresult = xgb.cv(xgb_param, ...)

如果使用XGBClassifier的fit方法，则会自动设置该值，但在cv方法中不会设置该值。

在我的示例中，在常规的fit调用过程中抛出了相同的错误。问题的根源在于，目标是手动设置为multi:softmax，但只有两个类。将其改为binary:logistic解决了这个问题。

你在使用xgboost.cv函数吗？我遇到了同样的问题，但找到了解决办法。这是我的代码：

    xgb_param = model.get_xgb_params()
    extra = {'num_class': 3}
    xgb_param.update(extra)
    cvresult = xgb.cv(xgb_param, xgtrain, ...)

xgb_param是XGBoost模型参数的字典。然后我向它追加一个新的dict extra，以指定num_class，将新的dict传递给cv函数。这个很管用。