Ich habe große Probleme herauszufinden, wie ich die num_classes für xgboost richtig einstellen kann.

Ich habe ein Beispiel mit den Irisdaten

df <- iris

y <- df$Species
num.class = length(levels(y))
levels(y) = 1:num.class
head(y)

df <- df[,1:4]

y <- as.matrix(y)
df <- as.matrix(df)

param <- list("objective" = "multi:softprob",    
          "num_class" = 3,    
          "eval_metric" = "mlogloss",    
          "nthread" = 8,   
          "max_depth" = 16,   
          "eta" = 0.3,    
          "gamma" = 0,    
          "subsample" = 1,   
          "colsample_bytree" = 1,  
          "min_child_weight" = 12)

model <- xgboost(param=param, data=df, label=y, nrounds=20)

Dies gibt einen Fehler zurück

Error in xgb.iter.update(bst$handle, dtrain, i - 1, obj) : 
SoftmaxMultiClassObj: label must be in [0, num_class), num_class=3 but found 3 in label

Wenn ich die num_class auf 2 ändere, erhalte ich den gleichen Fehler. Wenn ich die num_class auf 4 erhöhe, wird das Modell ausgeführt, aber ich erhalte 600 vorhergesagte Wahrscheinlichkeiten zurück, was für 4 Klassen sinnvoll ist.

Ich bin mir nicht sicher, ob ich einen Fehler mache oder nicht verstehe, wie xgboost funktioniert. Jede Hilfe wäre dankbar.