作为Python机器学习的完整新手，我正在尝试训练XGBoost模型以预测IRIS数据集(https://www.kaggle.com/uciml/iris(。<<<<<<<<<<<<<<<<<<<</p>
我目前专注于XGBOOST，试图获得一些经验。我的第一个模型列车，即数据集的66％，仅2个功能，从未完成(20分钟后打断(。我还尝试从中制作一个很小的样本(5个样本，2个功能(，但仍然无法完成。
环境详细信息：MacBook Pro 2017，带有MacOS 10.14.5，Python 3.7.3通过Anaconda Navigator 1.9.7。
# File downloaded from Kaggle Link above
iris = pd.read_csv('Iris.csv')
iris['Species'] = iris.apply(lambda r: r['Species'][5:], axis = 1)
features = iris[['PetalLengthCm', 'PetalWidthCm']]
species, labels = pd.factorize(iris['Species'])
X_train, X_test, y_train, y_test = train_test_split(features, species, test_size=0.33, random_state=42)
xgb_x_train = X_train.head()
xgb_y_train = y_train[:5]
print(xgb_x_train.shape)
print(len(xgb_y_train))
(5, 2)
5
xgbclf = xgb.XGBClassifier()
xgbclf.fit(xgb_x_train, xgb_y_train)
我希望上面的代码在"合理"的时间(即少于4-5分钟(中产生训练有素的模型(由于仅使用5个样本而不是微调(，但是拟合阶段永远不会完成。
我在做一些非常错误的事情可能会导致这种高适合时代吗？
感谢您的每个建议！Mattia
也许您没有正确安装XGBoost(我在Windows中发生一次(，建议尝试使用conda install重新安装。
但是，对于您的情况，您可以尝试在Google Colab https://colab.research.google.com上上传代码(它们为您提供免费的GPU，并且所有内容已经安装(。该培训只需几秒钟。