如何解决如何使用 XGBoost 进行多类非 OvR分类? apply() 和 n_estimators=1 的意外结果
在 scikit-learn 中,可以在多类问题上训练一棵树,并使用 apply() 输出叶子。它执行标准的、普通的多类分类(不是 OvR),并将返回一个 Nx1 向量,显示每个输入的一个叶子。
但是当我尝试在 XGBoost 中使用 n_estimators=1
执行此操作时,XGBoost 似乎正在为每个类训练一个单独的树。
iris = datasets.load_iris()
X = iris.data
y = iris.target
my_tree = XGBClassifier(objective="multi:softmax",n_estimators=1)
my_tree.fit(X,y)
leaves = my_tree.apply(X)
print(leaves.shape)
返回 (150,3)
。
有什么办法可以让 XGBoost 使用一棵树进行普通的多类分类?
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。