python温启动错误

Question

我使用该模型对一组数据进行了1000次迭代的分类器训练：

clf = GradientBoostingClassifier(n_estimators=1000, learning_rate=0.05, subsample=0.1, max_depth=3)
clf.fit(X, y, sample_weight=train_weight)

现在，我想将迭代次数增加到2000年。所以我想：

clf.set_params(n_estimators=2000, warm_start=True)
clf.fit(X, y, sample_weight=train_weight)

但我得到了以下错误：

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-13-49cfdfd6c024> in <module>()

      1 start = time.clock()
      2 clf.set_params(n_estimators=2000, warm_start=True)
----> 3 clf.fit(X, y, sample_weight=train_weight)
      4 ...

C:\Anaconda3\lib\site-packages\sklearn\ensemble\gradient_boosting.py in fit(self, X, y, sample_weight, monitor)
   1002                                     self.estimators_.shape[0]))
   1003             begin_at_stage = self.estimators_.shape[0]
-> 1004             y_pred = self._decision_function(X)
   1005             self._resize_state()
   1006 

C:\Anaconda3\lib\site-packages\sklearn\ensemble\gradient_boosting.py in _decision_function(self, X)
   1120         # not doing input validation.
   1121         score = self._init_decision_function(X)
-> 1122         predict_stages(self.estimators_, X, self.learning_rate, score)
   1123         return score
   1124 

sklearn/ensemble/_gradient_boosting.pyx in sklearn.ensemble._gradient_boosting.predict_stages (sklearn\ensemble\_gradient_boosting.c:2564)()

ValueError: ndarray is not C-contiguous

我在这里做错什么了？

Answer 1

您通常不能在fit调用之间修改sklearn分类器并期望它能够工作。估计器的数量实际上会影响模型内部对象的大小--因此它不仅仅是一些迭代(从编程的角度来看)。

Answer 2

warm_start正在被正确地使用。实际上有个bug阻止了它的工作。

同时，解决方法是将数组复制到C-连续数组：

X_train = np.copy(X_train, order='C')
X_test = np.copy(X_test, order='C')

参考资料：讨论和错误

Answer 3

在我看来，问题在于您没有将warm_start=True传递给构造函数。如果你这样做了：

clf = GradientBoostingClassifier(n_estimators=1000, learning_rate=0.05, subsample=0.1, max_depth=3, warm_start=True)

您将能够使用以下方法来拟合其他估计器：

clf.set_params(n_estimators=2000)
clf.fit(X, y, sample_weight=train_weight)

如果它不起作用，你应该试着更新你的学习版本。