我在尝试在一个数据集上使用xgboost。我在不同的博客中看到了同样的语法，但在调用clf.evals_result()时遇到了错误。这是我的代码：

from xgboost import XGBRegressor as xgbfrom sklearn.metrics import mean_absolute_error as maeevals_result ={}eval_s = [(x, y),(xval,yval)]clf = xgb(n_estimators=100,learning_rate=0.03,tree_method='gpu_hist',lamda=0.1,eval_metric='mae',eval_set=eval_s,early_stopping_rounds=0,evals_result=evals_result)clf.fit(x,y) r = clf.evals_result()

这是我收到的错误信息：

---------------------------------------------------------------------------AttributeError                            Traceback (most recent call last)<ipython-input-138-2d6867968043> in <module>      1 ----> 2 r = clf.evals_result()      3       4 p = clf.predict(xval)/opt/conda/lib/python3.6/site-packages/xgboost/sklearn.py in evals_result(self)    399          'validation_1': {'logloss': ['0.41965', '0.17686']}}    400         """--> 401         if self.evals_result_:    402             evals_result = self.evals_result_    403         else:AttributeError: 'XGBRegressor' object has no attribute 'evals_result_'

回答：

我遇到了完全相同的错误，解决方案是将eval_set传递给fit函数，而不是在创建分类器时传递。

clf.fit(x,y,eval_set=eval_s) 

然后你就可以运行clf.evals_result()了