我在尝试使用Hyperopt对XGBoostClassifier进行超参数调优时遇到了错误。请查看我使用的代码以及错误信息如下：

步骤1：目标函数

import csvfrom hyperopt import STATUS_OKfrom timeit import default_timer as timerMAX_EVALS = 200N_FOLDS = 10def objective(params, n_folds = N_FOLDS):    """XGBoost超参数优化的目标函数"""    # 跟踪评估次数    global ITERATION    ITERATION += 1#     # 如果存在则获取子样本，否则设置为1.0#     subsample = params['boosting_type'].get('subsample', 1.0)#     # 提取提升类型#     params['boosting_type'] = params['boosting_type']['boosting_type']#     params['subsample'] = subsample    # 确保需要为整数的参数是整数    for parameter_name in ['max_depth', 'colsample_bytree',                           'min_child_weight']:        params[parameter_name] = int(params[parameter_name])    start = timer()    # 执行n_folds交叉验证    cv_results = xgb.cv(params, train_set, num_boost_round = 10000,                        nfold = n_folds, early_stopping_rounds = 100,                        metrics = 'auc', seed = 50)    run_time = timer() - start    # 提取最佳得分    best_score = np.max(cv_results['auc-mean'])    # 损失必须最小化    loss = 1 - best_score    # 返回最高cv得分的提升轮次    n_estimators = int(np.argmax(cv_results['auc-mean']) + 1)    # 写入csv文件（'a'表示追加）    of_connection = open(out_file, 'a')    writer = csv.writer(of_connection)    writer.writerow([loss, params, ITERATION, n_estimators,                    run_time])    # 包含评估信息的字典    return {'loss': loss, 'params': params, 'iteration': ITERATION,           'estimators': n_estimators, 'train_time': run_time,            'status': STATUS_OK}

我已经定义了样本空间和优化算法。在运行Hyperopt时，我遇到了下面的错误。错误出在目标函数中。

错误：KeyError: ‘auc-mean’

<ipython-input-62-8d4e97f16929> in objective(params, n_folds)     25     run_time = timer() - start     26     # 提取最佳得分---> 27     best_score = np.max(cv_results['auc-mean'])     28     # 损失必须最小化     29     loss = 1 - best_score

回答：

首先，打印cv_results并查看存在的键。

在下面的示例笔记本中，键是：’test-auc-mean’和’train-auc-mean’

查看这里的单元格5：https://www.kaggle.com/tilii7/bayesian-optimization-of-xgboost-parameters