在XGBoost中为分类设置(python)应用增量学习时出错

Python版本:3.5//xgboost版本:0.7。邮政编码3

大家好,

我正在努力实现 增量学习 使用 XG增压模块 在python中 目标变量为二进制 。我想我应该设置参数 “process\u type”:“更新” 。问题是我遇到了一个我无法解决的错误。在这里,我使用sklearn的乳腺癌数据集给出了代码的一个示例实现,以便每个人都可以尝试一下。有人知道我如何防止以下错误的发生吗?

from sklearn import datasets
import xgboost

X_all = datasets.load_breast_cancer().data
y_all = datasets.load_breast_cancer().target

X_first_half = X_all[0:280,:]
X_second_half = X_all[280:,:]
y_first_half = y_all[0:280]
y_second_half = y_all[280:]

model1 = xgboost \
    .train({'objective': 'binary:logistic'},
           dtrain=xgboost.DMatrix(X_first_half, y_first_half),
           xgb_model=None)

model2 = xgboost \
    .train({'objective': 'binary:logistic',
            'process_type': 'update',
            'update': 'refresh',
            'refresh_leaf': True},
           dtrain=xgboost.DMatrix(X_second_half, y_second_half),
           xgb_model=model1)

我得到的错误是:

XGBoostError: b'[15:03:03] src/tree/updater_colmaker.cc:118:
Check failed: tree.param.num_nodes == tree.param.num_roots (19 vs. 1)
ColMaker: can only grow new tree\n\nStack trace returned 1 entries:\n[bt] (0)