Python Xgboost GridSearchCV被杀了，怎么修复？

Question

我是Python上的xgboost的新手，今天我尝试在这里学习教程：https://jessesw.com/XG-Boost/。

然后我使用我自己的数据尝试了xgboost，它在不使用网格搜索的情况下工作得很好。然后我按照教程做了网格搜索，但看起来不起作用。这是我的代码：

cv_params = {'max_depth': [3, 5, 7], 'min_child_weight': [1, 3, 5]}
ind_params = {'learning_rate': 0.1, 'n_estimators': 500, 'seed': 0,
          'subsample': 0.8, 'colsample_bytree': 0.8,
          'objective': 'reg:linear'}

optimized_GBM = GridSearchCV(xgb.XGBClassifier(**ind_params),
                         cv_params,
                         cv=5, n_jobs=2, verbose=2)

optimized_GBM.fit(train_x, train['label'])

我得到了下面的输出：

Fitting 5 folds for each of 9 candidates, totalling 45 fits
[CV] max_depth=3, min_child_weight=1................................      
//anaconda/bin/python.app: line 3:   906 Killed: 9        //anaconda/python.app/Contents/MacOS/python "$@"

如有任何建议，我们将不胜感激！

Answer 1

在我的例子中，原因是在colsample_by_tree中。当特征总数小于10时，该值为0.1。

失败的原因是，当树试图在具有n个样本和0个特征的数据集上学习时，出现了断言。