XGBoost 产生非二进制预测

Question

用 XGBoost 训练我的模型后，我尝试测试模型，但预测是某种浮点数，当我想获得性能指标时会导致错误。这是代码：

import xgboost as xgb
import sklearn.metrics as mt 

xg_reg = xgb.XGBRegressor(objective ='reg:linear', colsample_bytree = 0.3, learning_rate = 0.1,
            max_depth = 5, alpha = 10, n_estimators = 10)
xg_reg.fit(X_train,Y_train)
y_pred = xg_reg.predict(X_test)
mt.f1_score(Y_test, y_pred)

这是错误：

ValueError: Target is multiclass but average='binary'. Please choose another average setting.

当我使用其他增强模型（例如 AdaBoost 或 CatBoost）时，这从未发生过。我是否应该考虑一个阈值并将 +1 分配给高于阈值的那些，将 -1 分配给低于阈值的那些？任何形式的建议表示赞赏。

Answer 1

假设您处于二进制分类设置中，正如您明确暗示的那样，问题是您应该不使用XGBRegressor，这是针对回归问题而不是分类问题；来自 docs（添加了重点）：

class xgboost.XGBRegressor

Implementation of the scikit-learn API for XGBoost regression

您应该改用 XGBClassifier。

有关更多详细信息，请参阅 Accuracy Score ValueError: Can't Handle mix of binary and continuous target 中自己的答案（注意，因为实际上那里的所有其他答案，包括已接受和高度赞成的答案，基本上都是错误的）；这是关于 scikit-learn 的一个几乎相同的问题，但同样的论点也适用于您的案例。

XGBoost 产生非二进制预测

XGBoost produces non-binary predictions

python

machine-learning

scikit-learn

xgboost