KTBoost.BoostingRegressor TypeError: __cinit__() 需要恰好 5 个位置参数 (但提供了 6 个)

我在尝试运行 KTBoost 包中的 BoostingRegressor 模型用于二元分类时遇到了这个错误。我不明白是什么导致了这个错误,也不知道应该采取什么措施来修复它。我能做些什么来提供更多信息吗?请帮助我

Xtrain = df.iloc[:, 2:492]ytrain = df.Targetmodel = KTBoost.BoostingRegressor(loss='tobit', yl=0, yu=100)model.fit(Xtrain, ytrain)

回答:

感谢指出这个问题。这在 KTBoost 版本 0.1.14 中已经修复了。这是由于对 scikit-learn 的错误依赖造成的。请注意,您需要使用最新的 scikit-learn 版本(scikit-learn>=0.21.3)。

将来,请在 https://github.com/fabsig/KTBoost 上开启一个 issue。这样可以更快得到答复。

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注