XGBoosError:参数num_类的值0应大于等于1

Question

我试图比较两种不同的功能集，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)        

第一个数据集在培训数据中有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

第二个数据集在培训数据中有14个客户，在测试数据中有2个客户。虽然我们有一个更大的训练集，但分类器抛出了一个错误：

XGBoostError: value 0 for Parameter num_class should be greater equal to 1

论坛上以前的帖子提到.fit（）方法会自动设置num\u class参数。请参见此处：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？感谢您的帮助

Answer 1

原因是XGBoost是根据您提供的训练数据推断类的数量。对于multi:softmax，类的最小数量应该是3个（如果有2个类，那么应该使用二进制分类目标）。因此，这里最可能的问题是，在数据集中，只有2个或更少的唯一值作为目标

通常，数据集的11和14元素非常小。我强烈建议不要在这样的规模上训练ML模型。如果你真的想用很少的训练样本来检验你的模型有多好，你应该做完全的漏掉一个交叉验证（即，用同样的方法训练一个模型，而不只是一个例子，并在这个例子上测试结果模型）。如果结果对您有利（但很可能不会），那么您可以在完整的数据集上训练模型并使用该模型