XGBoostError：参数 num_class 的值 0 应大于等于 1

Question

我正在尝试比较两个不同的功能集，以将客户分为高价值、中价值和低价值。这是我使用的代码：

ltv_xgb_model = xgb.XGBClassifier(max_depth=5, learning_rate=0.1,objective='multi:softmax',n_jobs=-1).fit(X_train, y_train)        

第一个数据集在训练数据中有 11 个客户，在测试数据中有 2 个客户。尽管客户数量有限，但分类器能够为其中一个特征集实现 50% 的精度。

第二个数据集在训练数据中有 14 个客户，在测试数据中有 2 个客户。虽然我们有更大的训练集，但分类器抛出了一个错误：

XGBoostError: 参数 num_class 的值 0 应该大于等于 1

论坛上之前的帖子提到过.fit() 方法会自动设置num_class 参数。见这里：XGBClassifier num_class is invalid。因此，问题似乎是由其他原因引起的。

有人知道问题出在哪里吗？任何帮助表示赞赏！

Answer 1

原因是因为 XGBoost 会根据您提供的训练数据推断类数。对于multi:softmax，最小类数应为 3（如果您有 2 个类，则应使用二元分类目标）。所以这里的问题很可能是，在您的数据集中，您只有 2 个或更少的唯一值作为目标。

通常，数据集的 11 和 14 个元素非常小。我强烈建议不要以这种规模训练 ML 模型。如果你想用很少的训练样本真正检查你的模型有多好，你应该做完整的留一交叉验证（即在没有一个例子的情况下以同样的方式训练一个模型，并在那个例子上测试得到的模型） .如果结果对您来说看起来不错（但很可能不会） - 那么您可以在完整数据集上训练模型并使用该模型。