Python Xgboost GridSearchCV 被杀，如何修复？

Posted 2023-03-12

【中文标题】Python Xgboost GridSearchCV 被杀，如何修复？

【英文标题】：Python Xgboost GridSearchCV killed, how to fix?

【发布时间】：2017-02-24 04:30:36

【问题描述】：

我是 Python 上的 xgboost 新手，今天我试图按照这里的教程进行操作：https://jessesw.com/XG-Boost/。

然后我使用自己的数据尝试了 xgboost，它在不使用 gridsearch 的情况下也能正常工作。然后我按照教程进行了网格搜索，但看起来它不起作用。这是我的代码：

cv_params = 'max_depth': [3, 5, 7], 'min_child_weight': [1, 3, 5]
ind_params = 'learning_rate': 0.1, 'n_estimators': 500, 'seed': 0,
          'subsample': 0.8, 'colsample_bytree': 0.8,
          'objective': 'reg:linear'

optimized_GBM = GridSearchCV(xgb.XGBClassifier(**ind_params),
                         cv_params,
                         cv=5, n_jobs=2, verbose=2)

optimized_GBM.fit(train_x, train['label'])

我得到了这个输出：

Fitting 5 folds for each of 9 candidates, totalling 45 fits
[CV] max_depth=3, min_child_weight=1................................      
//anaconda/bin/python.app: line 3:   906 Killed: 9        //anaconda/python.app/Contents/MacOS/python "$@"

任何建议将不胜感激！

【问题讨论】：

你能在其他系统上检查一下吗？似乎 python 解释器崩溃了。

@IbraimGaniev 刚刚在另一台计算机上运行了相同的代码，但结果相同

已解决。由于这是一个回归问题，我们应该使用 XGBRegressor() 而不是 XGBClassifier()。之前在使用 R，所以没有意识到 Python 中的区别。

【参考方案1】：

就我而言，原因在于 colsample_by_tree。当特征总数小于 10 时为 0.1。

失败的原因是一个断言，当树试图在具有 n 个样本和 0 个特征的数据集上学习时。