Je travaille sur un modèle prédictif en utilisant XGBoost (dernière version sur PyPl: 0.6) en Python, et j'ai développé cette formation sur environ la moitié de mes données. Maintenant que j'ai mon modèle final, je l'ai formé sur toutes mes données, mais j'ai reçu ce message, que je n'avais jamais vu auparavant:Spécification du paramètre tree_method pour XGBoost en Python
La méthode arborescente est automatiquement sélectionnée pour obtenir une vitesse plus rapide. à utiliser l'ancien comportement (exact algorithme glouton sur seule machine), réglez tree_method à «exact »
A titre d'exemple reproductible, le code suivant produit également ce message sur ma machine:
import numpy as np
import xgboost as xgb
rows = 10**7
cols = 20
X = np.random.randint(0, 100, (rows, cols))
y = np.random.randint(0,2, size=rows)
clf = xgb.XGBClassifier(max_depth=5)
clf.fit(X,y)
J'ai essayé d'installer tree_method à « exacte » à la fois l'initialisation et fit()
étapes de mon modèle, mais chaque erreur: les lancers francs
import xgboost as xgb
clf = xgb.XGBClassifier(tree_method = 'exact')
clf
> __init__() got an unexpected keyword argument 'tree_method'
my_pipeline.fit(X_train, Y_train, clf__tree_method='exact')
> self._final_estimator.fit(Xt, y, **fit_params) TypeError: fit() got an
> unexpected keyword argument 'tree_method'
Comment puis-je spécifier tree_method = 'exact' avec XGBoost en Python?
regardant la [documentation python] (https://xgboost.readthedocs.io/en/latest/python/python_api.html# module-xgboost.core), je ne trouve aucun paramètre nommé 'tree_method'. –