blocks|key|4148649|text|您需要手动将参数num_class添加到xgb_param中|type|unstyled|depth|inlineStyleRanges|offset|length|style|BOLD|CODE|entityRanges|data|4148650|++++#+Model+is+an+XGBClassifier
++++xgb_param+=+model.get_xgb_params()
++++xgb_param['num_class']+=+3
++++cvresult+=+xgb.cv(xgb_param,+...)|code-block|syntax|javascript|4148651|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。|4148652|entityMap^0|5|P|8|9|0|0|0|1B|I|3|Z|2|0^^$0|@$1|2|3|4|5|6|7|P|8|@$9|Q|A|R|B|C]|$9|S|A|T|B|D]]|E|@]|F|$]]|$1|G|3|H|5|I|7|U|8|@]|E|@]|F|$J|K]]|$1|L|3|M|5|6|7|V|8|@$9|W|A|X|B|C]|$9|Y|A|Z|B|D]|$9|10|A|11|B|D]]|E|@]|F|$]]|$1|N|3|-4|5|6|7|12|8|@]|E|@]|F|$]]]|O|$]]

You need to manually add the parameter <code>num_class</code> to the xgb_param

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

The XGBClassifier does set this value automatically if you use its <code>fit</code> method, but does not in the <code>cv</code> method

blocks|key|4148666|text|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：|type|unstyled|depth|inlineStyleRanges|offset|length|style|CODE|entityRanges|data|4148667|++++xgb_param+=+model.get_xgb_params()
++++extra+=+{'num_class':+3}
++++xgb_param.update(extra)
++++cvresult+=+xgb.cv(xgb_param,+xgtrain,+...)|code-block|syntax|javascript|4148668|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。|4148669|entityMap^0|4|A|0|0|0|9|15|5|1E|9|1Y|2|0^^$0|@$1|2|3|4|5|6|7|O|8|@$9|P|A|Q|B|C]]|D|@]|E|$]]|$1|F|3|G|5|H|7|R|8|@]|D|@]|E|$I|J]]|$1|K|3|L|5|6|7|S|8|@$9|T|A|U|B|C]|$9|V|A|W|B|C]|$9|X|A|Y|B|C]|$9|Z|A|10|B|C]]|D|@]|E|$]]|$1|M|3|-4|5|6|7|11|8|@]|D|@]|E|$]]]|N|$]]

Are you using <code>xgboost.cv</code> function? I encountered the same problems but found the solution. Here is my code:

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

<code>xgb_param</code> is the dictionary of the XGBoost model parameters. Then I append a new dict <code>extra</code> to it to specify the <code>num_class</code>, pass the new dict to the <code>cv</code> function. This works.

blocks|key|3744546|text|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。|type|unstyled|depth|inlineStyleRanges|offset|length|style|CODE|entityRanges|data|3744547|entityMap^0|B|3|18|D|1X|F|0^^$0|@$1|2|3|4|5|6|7|H|8|@$9|I|A|J|B|C]|$9|K|A|L|B|C]|$9|M|A|N|B|C]]|D|@]|E|$]]|$1|F|3|-4|5|6|7|O|8|@]|D|@]|E|$]]]|G|$]]

In my case, the same error was thrown during a regular <code>fit</code> call. The root of the issue was that the objective was manually set to <code>multi:softmax</code>, but there were only 2 classes. Changing it to <code>binary:logistic</code> solved the problem.

blocks|key|4148726|text|在xgboost+1.4.2版本中，对我起作用的是将num_class作为回归器的一个参数，其值等于目标/输出的数量。|type|unstyled|depth|inlineStyleRanges|entityRanges|data|4148727|params+=+{+"objective":+"multi:softmax",+'num_class':+3}
model+=+xgb.XGBRegressor(**params)|code-block|syntax|javascript|4148728|entityMap^0|0|0^^$0|@$1|2|3|4|5|6|7|I|8|@]|9|@]|A|$]]|$1|B|3|C|5|D|7|J|8|@]|9|@]|A|$E|F]]|$1|G|3|-4|5|6|7|K|8|@]|9|@]|A|$]]]|H|$]]

In xgboost version 1.4.2, what worked for me was including num_class as a parameter to the regressor with a value equal to the number of targets/outputs.
<pre><code>params = { &quot;objective&quot;: &quot;multi:softmax&quot;, 'num_class': 3}
model = xgb.XGBRegressor(**params)
</code></pre>

I am trying to use the <code>XGBClassifier</code> wrapper provided by <code>sklearn</code> for a multiclass problem. My classes are [0, 1, 2], the objective that I use is <code>multi:softmax</code>. When I am trying to fit the classifier I get 

<blockquote>
 xgboost.core.XGBoostError: value 0for Parameter num_class should be greater equal to 1
</blockquote>

If I try to set the num_class parameter the I get the error

<blockquote>
 got an unexpected keyword argument 'num_class'
</blockquote>

Sklearn is setting this parameter automatically so I am not supposed to pass that argument. But why do I get the first error?

xgboost sklearn wrapper value 0for Parameter num_class should be greater equal to 1

翻译质量差，导致语言生硬或混乱。

没有提供实际的解决方法或示例。

解答不清晰，无法理解或解决问题。

页面排版不美观，阅读体验差。

文章

问答

视频

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

我正在尝试使用sklearn提供的sklearn包装器来解决多类问题。我的类是0，1，2，我使用的目标是multi:softmax。当我试图安装分类器时，我得到xgboost.core.XGBoostError:参数num_class的值0应该大于1如果我试图设置num_class参数，我就会得到错误得到一个意外的关键...

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

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

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