拟合XGBoost模型遇ValueError：所有列均为Int/Float仍报错

排查方向1：检查数据中的特殊值 #

• 确认是否存在无穷值（inf/-inf）：执行X_train.isin([np.inf, -np.inf]).any()检查，XGBoost不支持无穷值，需替换为NaN或合理值，示例代码：

  import numpy as np
  X_train.replace([np.inf, -np.inf], np.nan, inplace=True)
  X_train.fillna(X_train.median(), inplace=True)
  

• 核实是否存在隐藏NaN值：即使info()显示非空，仍用X_train.isna().sum()再次确认，XGBoost默认支持NaN，但可在模型初始化时显式设置missing=np.nan避免潜在问题。

排查方向2：检查目标变量y_train #

• 检查目标变量的异常值：回归任务用y_train.describe()查看是否存在无穷/NaN；分类任务确认y的取值范围是否匹配num_class参数，且标签需为整数类型，若y是float格式（如1.0、0.0），执行y_train = y_train.astype(int)转换。
• 用y_train.isna().sum()确认目标变量无缺失值。

排查方向3：匹配XGBoost参数与任务类型 #

• 检查参数是否与任务匹配：比如分类任务误设objective='reg:squarederror'，或回归任务使用分类类参数，需根据任务调整目标函数：
  • 二分类：objective='binary:logistic'
  • 多分类：objective='multi:softmax'并指定num_class
  • 回归：objective='reg:squarederror'

排查方向4：统一数据类型兼容性 #

• 即使info()显示为Int/Float，仍可统一转换为float64避免潜在兼容问题：

  X_train = X_train.astype('float64')
  

内容的提问来源于stack exchange，提问作者Roger Steinberg