【E-15-Xgboost】ValueError: y contains previously unseen labels: [169, 977, …]
一、问题源头
训练xgboost分类时报错的，错误如题
二、原因
因为做了：train_test_split，导致train中的label不一定包含test的，从而出现上述问题
三、解决方案
1、方案一：确保每个类都能取到并放到train中；
2、方案二：忽略测试集，将全部数据放到train中。但是未来不可预计，只能使用历史数据；最大缺点是会影响验证集和测试集的检测的真实性；
3、方案三：添加一个类"unknown",在训练集中添加一个键值对，再将test中的匹配下，没有在训练集中的label，均视为类"unknown"
本文采用
之前采用方案二，目前采用方案三：
X_train = np.vstack((X_train,np.random.rand(1,128))) #增加一个unknow的部分，in test set，not in train set，这里我的数据是【1，128】的
y_train_code = np.append(y_train_code,np.array("unknown")) #同样对应的Y也需要增加，因为这是键值对的形式。
vocab_code = list(set(y_train_code))
idx_to_code = [code for code in vocab_code]
code_to_idx = {code:i for i,code in enumerate(idx_to_code)}
y_train_idx = np.array([code_to_idx.get(t) for t in y_train_code] )
y_val_idx = np.array([code_to_idx.get(t) if t in vocab_code else code_to_idx["unknown"] for t in y_val_code] ) #测试中的数据若没有，标注为unknown类
#code_to_idx.get(t) code_to_idx[t] 方法都一样
四、建议
多思考，多尝试，这个问题在网站上并没有找到答案。
尝试这个：
