背景：需要做XGB模型增量訓(xùn)練，但是因?yàn)橐恍┰驔]有得到原來(lái)的XGB模型，只有dump文件。

XGB模型的dump文件是它的樹結(jié)構(gòu)存儲(chǔ)為一個(gè)相對(duì)人類好理解的模型文件，但并不能被重新加載進(jìn)XGB進(jìn)行增量訓(xùn)練。

嗯，說(shuō)是那么說(shuō)，我尋思試一下，看看最新版的XGB有沒有增加這個(gè)功能，只載入dump文件就可以進(jìn)行XGB增量訓(xùn)練。

一跑起來(lái)沒報(bào)錯(cuò)，我尋思可以呢。

一開始加載數(shù)據(jù)啥的都沒問(wèn)題，但是在訓(xùn)練的時(shí)候報(bào)錯(cuò)：terminate called after throwing an instance of 'std::bad_alloc' what():，還把環(huán)境整崩了。

搜了一下，都說(shuō)這是內(nèi)存炸了導(dǎo)致的報(bào)錯(cuò)，但是我看了一下監(jiān)控，內(nèi)存完全沒占滿。

到這我還一直以為可能是我訓(xùn)練數(shù)據(jù)太大，或者是后臺(tái)起的訓(xùn)練進(jìn)程太多才導(dǎo)致的，完全沒想過(guò)是不是dump文件的問(wèn)題。

是在解決不了了，去洗了個(gè)澡，突然間就想到了，可能是dump文件的問(wèn)題。

實(shí)驗(yàn)了一下，果然是，XGB模型增量訓(xùn)練只能在save_model保存的模型文件上訓(xùn)練，不能在dump_model的dump文件上訓(xùn)練，它不報(bào)解析錯(cuò)誤反而報(bào)了一個(gè)內(nèi)存錯(cuò)誤。

實(shí)驗(yàn)代碼：

import pandas as pd import xgboost as xgb import matplotlib.pyplot as pltfrom xgboost import plot_tree from xgboost import XGBClassifierdata = pd.read_csv("../input/default-of-credit-card-clients-dataset/UCI_Credit_Card.csv") X = data.iloc[:,1:6] y = data.iloc[:,24]data = xgb.DMatrix(X, y) xgb_params = {} model = xgb.train(xgb_params, data) print(model.get_dump()) model.save_model("model.pickle") model.dump_model("model.dump")xgb_params = {'process_type':'update', 'updater':'refresh', 'refresh_leaf':True} model_new = xgb.train(xgb_params, data, xgb_model="./model.pickle")xgb_params = {'process_type':'update', 'updater':'refresh', 'refresh_leaf':True} model_new = xgb.train(xgb_params, data, xgb_model="./model.dump") # 報(bào)錯(cuò)

總結(jié)

以上是生活随笔為你收集整理的XGB模型训练报错 terminate called after throwing an instance of ‘std::bad_alloc‘ what()的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。