xgb.train正常运行但xgb.cv报错：标签形状无效问题求助

核心问题1：参数冲突 #

你同时设置了objective: "binary:logistic"和num_class: 2，这是矛盾的：

• binary:logistic是二分类任务的目标函数，此时XGBoost仅输出单个正类概率值，标签需为1维。
• 添加num_class:2后，XGBoost会判定为多分类任务，输出每个样本对应2个类别的概率，导致预测结果维度是标签的2倍（387×2=774），触发形状不匹配报错。

核心问题2：标签维度问题 #

你的y_train是(431,1)的二维数组，而XGBoost处理二分类标签时，更适配一维数组（形状(431,)），二维标签可能引发内部维度识别错误。

修正后的代码 #

1. 调整参数，移除多余的num_class #

params = {"objective": "binary:logistic", "tree_method": "hist"}

2. 将标签转为一维数组（推荐） #

创建DMatrix时，把二维标签转为一维：

import xgboost as xgb

# 用ravel()将二维标签转为一维
dtrain_clf = xgb.DMatrix(X_train, y_train.ravel())
dtest_clf = xgb.DMatrix(X_test, y_test.ravel())

3. 替换为二分类适配的评估指标 #

多分类的mlogloss和merror不适合二分类，换成对应指标：

n = 1000

results = xgb.cv(params,
                 dtrain_clf,
                 num_boost_round=n,
                 nfold=10,
                 metrics=["logloss", "auc", "error"]
                )

• logloss：二分类对数损失（替代多分类mlogloss）
• error：二分类错误率（替代多分类merror）

验证要点 #

• 确认dtrain_clf.get_label()返回一维数组，形状为(431,)
• 重新运行xgb.cv即可解决维度不匹配问题

内容的提问来源于stack exchange，提问作者Anmol Kumar