KTBoost.BoostingRegressor TypeError: __cinit__() takes exactly 5 positional arguments (6 given)
KTBoost.BoostingRegressor TypeError: __cinit__() takes exactly 5 positional arguments (6 given)
我正在尝试 运行 来自 KTBoost 包的 BoostingRegressor 模型用于二进制分类，但我遇到了这个错误。我不明白它可能导致它的原因，也不明白我应该采取什么行动来修复它。
我可以做些什么来提供更多信息吗？请帮助我
Xtrain = df.iloc[:, 2:492]
ytrain = df.Target
model = KTBoost.BoostingRegressor(loss='tobit', yl=0, yu=100)
model.fit(Xtrain, ytrain)
感谢您指出这一点。从 KTBoost 0.1.14 版开始，此问题现已修复。这是对 scikit-learn 的错误依赖。请注意，您需要最新版本的 scikit-learn (scikit-learn>=0.21.3)。
以后请在 https://github.com/fabsig/KTBoost 上开一个 issue。那里会更快得到答复。
我正在尝试 运行 来自 KTBoost 包的 BoostingRegressor 模型用于二进制分类，但我遇到了这个错误。我不明白它可能导致它的原因，也不明白我应该采取什么行动来修复它。 我可以做些什么来提供更多信息吗？请帮助我
Xtrain = df.iloc[:, 2:492]
ytrain = df.Target
model = KTBoost.BoostingRegressor(loss='tobit', yl=0, yu=100)
model.fit(Xtrain, ytrain)
感谢您指出这一点。从 KTBoost 0.1.14 版开始，此问题现已修复。这是对 scikit-learn 的错误依赖。请注意，您需要最新版本的 scikit-learn (scikit-learn>=0.21.3)。
以后请在 https://github.com/fabsig/KTBoost 上开一个 issue。那里会更快得到答复。