通过 pandas_ml 调用时如何将权重向量添加到 xgboost
How to add weight vector to xgboost when calling via pandas_ml
在 xgboost 中，您可以将权重矩阵添加到数据矩阵（xgboost.DMatrix 的第四个参数）：
http://xgboost.readthedocs.io/en/latest/python/python_api.html#module-xgboost.sklearn
调用xgboost bia时如何传递这个权重矩阵pandas_ml
http://pandas-ml.readthedocs.io/en/latest/xgboost.html
显然在 pandas_ml 中，xgboost 被称为 ModelFrame 上的一个方法，因此我假设我必须更改 ModelFrame 以识别权重列。
类似于目标数据的设置方式，有没有办法将另一列设置为权重列？
或者通过其他方式添加权重列？
与直接调用 xgboost 的方式完全相同：
clf = df.xgboost.XGBClassifier(weight=weight)
在 xgboost 中，您可以将权重矩阵添加到数据矩阵（xgboost.DMatrix 的第四个参数）：
http://xgboost.readthedocs.io/en/latest/python/python_api.html#module-xgboost.sklearn
调用xgboost bia时如何传递这个权重矩阵pandas_ml
http://pandas-ml.readthedocs.io/en/latest/xgboost.html
显然在 pandas_ml 中，xgboost 被称为 ModelFrame 上的一个方法，因此我假设我必须更改 ModelFrame 以识别权重列。 类似于目标数据的设置方式，有没有办法将另一列设置为权重列？
或者通过其他方式添加权重列？
与直接调用 xgboost 的方式完全相同：
clf = df.xgboost.XGBClassifier(weight=weight)