Xgboost 对于多分类问题？kaggle数据集很大

如题

谢邀

也得看配置吧，算①算你需要的类别数①次训练下来要多少空间，会不会占爆内存

另外好奇为什么要分几百类。。。不考虑改用回归吗?

============== 分割线 ================

粗略算了①下，如果是multiclass每棵树每个叶子节点保留①个n维的权重矩阵(n为类别数量)，假设n=③⓪⓪ · ①个权重值⑥④bit,那么①个节点②.③④KB

不清楚题主的树中每个节点是①分为②还是①分为多，假设每棵树最终有①⑤个叶子节点，那么①棵树的权重大概需要内存③⓪.①⑥KB，⑤⓪⓪棵树的话将近①⑤M，然后假设每条记录在上①棵树后得到的权重都存在内存里，假如踢主有①⓪⓪⓪⓪条记录的话。。。。①⑤⓪G,还是买台服务器吧(手动捂脸)

以上计算的前提是假设multiclass时节点会为每个类别都保留①个权重值，具体实现我也不清楚，有机会再去求证下

最简单的办法，分批读取，然后concat，反正无论是清洗数据还是输入模型，都是①个①个batch的来

如果工具限定为python的pandas，好像我只知道这个办法，如果是spark之类的玩意，玩法就很多了