如何向sklearn OneVsRestClassifier传递fit_params？遇eval_set参数错误

报错原因 #

OneVsRestClassifier的fit方法本身不接受eval_set、callbacks这类参数，这些参数属于内部包裹的LGBMClassifier的fit方法，直接传递会触发参数不匹配的报错。

解决方法 #

方法1：升级scikit-learn（推荐）

如果你的scikit-learn版本在0.22及以上，OneVsRestClassifier.fit()支持通过**关键字参数直接传递子模型的fit参数。确认版本后，保持原有代码结构即可；若仍报错，优先升级scikit-learn：

pip install --upgrade scikit-learn

方法2：使用fit_params参数（兼容旧版本）

针对scikit-learn 0.22以下的版本，OneVsRestClassifier.fit()提供了fit_params参数，专门用来传递给子estimator的fit方法，修改调用代码如下：

clf.fit(X_train, y_train, fit_params=fit_params)

方法3：手动训练单类别模型（备选）

如果上述方法都无法生效，可以手动遍历每个类别，单独训练LGBM模型，完全控制fit参数：

import numpy as np

# 假设y_train是多标签/多分类的二维数组或稀疏矩阵
n_classes = y_train.shape[1]
estimators = []

for class_idx in range(n_classes):
    # 针对当前类别训练模型
    lgb_clf = lightgbm.LGBMClassifier(**params)
    lgb_clf.fit(X_train, y_train[:, class_idx], **fit_params)
    estimators.append(lgb_clf)

# 预测示例
def predict(X):
    predictions = []
    for clf in estimators:
        predictions.append(clf.predict_proba(X)[:, 1])
    return np.array(predictions).T

内容的提问来源于stack exchange，提问作者Ivan Plotnikov