使用Warm Start结合新数据训练随机森林后预测出现广播错误

这个报错的核心问题是新增训练的树和原有树的类别数量不匹配，具体拆解如下：

• 初始训练阶段，你的y是包含0和1的一维数组，RandomForestClassifier自动识别这是二分类任务，训练出的每棵树都会输出2个类别的预测概率。
• 用warm_start添加新树时，你生成的y_new只有5个样本，很大概率会出现所有样本都是同一个类别（比如全0或者全1）的情况。这时候模型训练新增的100棵树时，会把任务当成单分类任务，每棵树只会输出1个类别的概率。
• 执行predict时，模型需要合并所有树的预测结果：原有树输出的是(30,2)形状的概率数组，新增树输出的是(30,1)形状的数组，两者维度无法匹配拼接，就抛出了non-broadcastable output operand的错误。

你可以通过np.unique(y_new)检查新数据的类别数量，如果只有一个值，就验证了这个原因。解决方法要么保证新增数据的类别和原始数据一致，要么初始化模型时通过classes=np.array([0,1])固定类别集合。

内容的提问来源于stack exchange，提问作者Janosch