分类器模型：是否可以将 -1 的标签分配给 class？

Question

我正在尝试训练光梯度增强机 class化算法 (LGBMClassifier)。我的数据中有三个 class，我给它们分配了 -1、0 和 1。这些标签具有特定的含义，所以我不想将它们更改为其他标签（如 0、1 和 2）。

当我尝试训练模型时，收到以下错误消息：

Label must be in [0, 3), but found -1 in label

要求如果我有三个标签，必须指定0,1和2？

更新#1

感谢JST99，这是正确的做法。我如下定义它并且它工作正常。请注意，当您运行预测时，输出是一个长度为 n_classes 的概率向量，如果您使用 np.argmax 将其转换为概率最高的 class ，您将classes 的范围从 0 到 n（即你必须注意将其转换回原来的 classes，在我的例子中是 [-1,0,1]）。

hyperparameter_dictionary = {'task': 'train',
                            'boosting_type': 'gbdt',
                            'objective': 'multiclass',
                            'metric': 'multi_logloss',
                            'num_leaves': 100,
                            'learning_rate': 0.05,
                            'feature_fraction': 0.9,
                            'bagging_fraction': 0.9,
                            'bagging_freq': 0,
                            'verbose': -1,
                            'num_class': 3,
                            'classes': [-1, 0, 1]
                            }
model = lgb.LGBMClassifier(**hyperparameter_dictionary)
model.fit(X,y)

Answer 1

根据docs，您可以在初始化分类器时指定额外的kwarg参数classes。具体来说，classes属于

Type: array of shape = [n_classes]

因此，我们可以尝试

clf = lightgbm.LGBMClassifier(..., classes=[-1, 0, 1])

分类器模型：是否可以将 -1 的标签分配给 class？

Classifier model: is it possible to assign a label of -1 to a class?

python

classification

lightgbm