如何在XGBoost或其他估计器中编写定制包装器以用于预测功能
因此，我想操纵我的预测结果，需要在估算器中进行。我试图写这样的包装器，但是当我执行预测功能时，我的内核只是死了。从我的理解中，这应该替换XGBoost中的预测功能，对吗？
from xgboost import XGBRegressor as xgb
class custXGB(xgb):
def predict(self, X, y=None):
return self.predict(X)
然后，我正常适合CLA，但是当我使用时，预测内核死亡而不会出错：
estimator = custXGB()
estimator.fit(X_train, y_train)
# works fine
estimator.predict(X_train)
#kernel dies
So I want to manipulate the result of my prediction and I need to do it within the estimator. I tried to write a wrapper like this, but my kernel just dies when I execute the predict function. From my understanding this should just replace the predict function in xgboost right?
from xgboost import XGBRegressor as xgb
class custXGB(xgb):
def predict(self, X, y=None):
return self.predict(X)
I then fit the clas normally but when I use predict the kernel dies without error:
estimator = custXGB()
estimator.fit(X_train, y_train)
# works fine
estimator.predict(X_train)
#kernel dies
如果你对这篇内容有疑问，欢迎到本站社区发帖提问 参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。
绑定邮箱获取回复消息
由于您还没有绑定你的真实邮箱，如果其他用户或者作者回复了您的评论，将不能在第一时间通知您！
发布评论
评论（1）
您已经写了一个无限循环：您的
预测是调用本身，而不是xgbRegressor.predict。self用super（）在方法内替换。You've written an infinite loop: your
predictis calling itself, not theXGBRegressor.predict. Replaceselfwithsuper()inside the method.