使用XGBClassifier训练模型遇类别编码不匹配错误求助

新版本XGBoost的XGBClassifier默认要求分类标签为从0开始的连续整数（二分类场景下期望是[0,1]），而你的训练标签是[-1,1]，这就导致了类别不匹配的报错。以下是两种简单的解决方法：

方法一：直接替换标签值 #

如果是固定的二分类场景，直接把标签中的-1替换为0即可：

# 处理训练集标签
y_train = y_train.replace(-1, 0)
# 同步处理测试集标签（如果有需要）
y_test = y_test.replace(-1, 0)

# 重新训练模型
from xgboost import XGBClassifier
xgb = XGBClassifier()
xgb.fit(X_train, y_train)

方法二：使用LabelEncoder编码（通用场景） #

如果是多分类或者标签值不固定的场景，用sklearn的LabelEncoder做通用编码：

from sklearn.preprocessing import LabelEncoder
from xgboost import XGBClassifier

# 初始化编码器并拟合训练集标签
le = LabelEncoder()
y_train = le.fit_transform(y_train)
# 测试集标签仅做转换，不要重新拟合
y_test = le.transform(y_test)

# 训练模型
xgb = XGBClassifier()
xgb.fit(X_train, y_train)

补充：还原标签 #

如果后续需要将模型预测结果转回原始的[-1,1]标签，可以使用以下代码：

# 假设preds是模型的预测结果
original_preds = le.inverse_transform(preds)

内容的提问来源于stack exchange，提问作者Lava