KTBoost.BoostingRegressor TypeError: __cinit__() 正好采用 5 个位置参数（给定 6 个）答案

【问题标题】：KTBoost.BoostingRegressor TypeError: __cinit__() takes exactly 5 positional arguments (6 given)KTBoost.BoostingRegressor TypeError: __cinit__() 正好采用 5 个位置参数（给定 6 个）
【发布时间】：2020-03-18 01:29:54
【问题描述】：

我正在尝试从 KTBoost 包中运行 BoostingRegressor 模型进行二进制分类，但我遇到了这个错误。我不明白它可能导致它，也不明白我应该采取什么行动来解决它。我可以做些什么来提供更多信息吗？请帮我

Xtrain = df.iloc[:, 2:492]
ytrain = df.Target
model = KTBoost.BoostingRegressor(loss='tobit', yl=0, yu=100)
model.fit(Xtrain, ytrain)

【问题讨论】：

标签： machine-learning scikit-learn classification init

【解决方案1】：

感谢您指出这一点。从 KTBoost 的 0.1.14 版开始，此问题现已得到修复。这是对 scikit-learn 的错误依赖。请注意，您需要最新版本的 scikit-learn (scikit-learn>=0.21.3)。

以后，请在https://github.com/fabsig/KTBoost 上打开一个问题。那里会得到更快的答复。

【讨论】：