xgboost模型训练出来的错误Error during wrapup: NA/NaN argument

最近想写一个自动寻找最佳参数的xgboost模型，然后将最佳参数带入建模（尽管这个功能caret可以实现，但是希望能够实现使用分层抽样的样本进行模型训练），在使用一个data.frame传入参数进行xgboost模型训练的时候，反复报错：

#clist中储存了最佳参数：study      max_depth   eta nround gamma subsample auc  <chr>          <dbl> <dbl>  <dbl> <dbl>     <dbl> <auc>
1 Baren             6   0.1     50   0.1       0.9 0.75 max_depth_n <- clist[1,"max_depth"]
eta_n <- clist[1,"eta"]
nround_n <- clist[1,"nround"]
gamma_n <- clist[1,"gamma"]
subsample_n <- clist[1,"subsample"]model <- xgboost(data = dtrain,max_depth=max_depth_n, eta=eta_n, objective='binary:logistic', nround=nround_n,verbose = 0,gamma = gamma_n, nthread = 2, colsample_bytree = 0.7, min_child_weight = 1, subsample = subsample_n)错误信息：
Error during wrapup: NA/NaN argument
Error: no more error handlers available (recursive errors?); invoking 'abort' restart

这个错误主要时由于传入xgboost的参数中包含不能识别的NaN。于是将其他参数设置为固定的数值，手动检查每一个参数，终于发现nround不能用data.frame的数值进行传入，nround只支持numeric的数据类型，不能是data.frame的数据类型，将nround_n <- as.numeric(clist[1,"nround"]) 之后，就解决这个困扰一整天的问题！

xgboost模型训练出来的错误Error during wrapup: NA/NaN argument相关推荐

R语言构建xgboost模型：使用xgboost模型训练tweedie回归模型，特征工程（dataframe转化到data.table、独热编码、缺失值删除、DMatrix结构生成）
R语言构建xgboost模型:使用xgboost模型训练tweedie回归模型,特征工程(dataframe转化到data.table.独热编码.缺失值删除.DMatrix结构生成) 目录
XGboost模型训练与调参
XGboost XGboost是(Gradient Boosting Decision Tree)梯度提升树的一种实现. DBDT Model cycle: [外链图片转存失败,源站可能有防盗链机制, ...
使用K-Fold训练和预测XGBoost模型的方法
文章目录一.前言二.Xgboost一般的训练方法 2.1 问题及数据分析 2.2 搭建xgboost预测模型 2.3 XGBoost模型训练保存及模型评估 2.4 使用XGBoost模型进行预测 ...
惊！brat安装后进行标注-实战，并且通过一行代码自动标注为BIO格式，便于模型训练-and 错误解决
安装可查看文章:https://blog.csdn.net/weixin_42565135/article/details/119460805 安装后可以继续看下文哦目录流程 1.首先是数据集的处 ...
R语言构建xgboost模型：控制训练信息输出级别verbose参数
R语言构建xgboost模型:控制训练信息输出级别verbose参数目录 R语言构建xgboost模型:控制训练信息输出级别verbose参数
R语言构建随机森林模型错误解决：Error in y - ymean : non-numeric argument to binary operator
R语言构建随机森林模型错误解决:Error in y - ymean : non-numeric argument to binary operator 目录 R语言构建随机森林模型错误解决:Erro ...
R语言基于自定义函数构建xgboost模型并使用LIME解释器进行模型预测结果解释：基于训练数据以及模型构建LIME解释器解释一个iris数据样本的预测结果、LIME解释器进行模型预测结果解释并可视化
R语言基于自定义函数构建xgboost模型并使用LIME解释器进行模型预测结果解释:基于训练数据以及模型构建LIME解释器解释一个iris数据样本的预测结果.LIME解释器进行模型预测结果解释并可视化 ...
R语言基于自定义函数构建xgboost模型并使用LIME解释器进行模型预测结果解释：基于训练数据以及模型构建LIME解释器解释多个iris数据样本的预测结果、使用LIME解释器进行模型预测结果解释
R语言基于自定义函数构建xgboost模型并使用LIME解释器进行模型预测结果解释:基于训练数据以及模型构建LIME解释器解释多个iris数据样本的预测结果.使用LIME解释器进行模型预测结果解释并可 ...
R语言构建xgboost模型并评估模型（测试集、训练集每一轮）：误分类率指标（misclassification rate）、logloss
R语言构建xgboost模型并评估模型(测试集.训练集每一轮):误分类率指标(misclassification rate).logloss 目录
R语言构建xgboost模型：交叉验证（cross validation）训练xgboost模型，配置自定义的损失函数评估函数并使用交叉验证训练xgboost模型
R语言构建xgboost模型:交叉验证(cross validation)训练xgboost模型,配置自定义的损失函数(loss function).评估函数(evaluation function) ...

xgboost模型训练出来的错误Error during wrapup: NA/NaN argument

xgboost模型训练出来的错误Error during wrapup: NA/NaN argument相关推荐

最新文章

热门文章