含分类数据的XGBoost模型与Shap不兼容？求解决方案

错误原因分析 #

你碰到的错误是两个问题共同导致的：

1. 传入SHAP的数据包含目标列：调用shap_values(test_data)时传入了带target列的完整数据集，但模型训练仅使用特征列，SHAP在匹配模型输入维度时触发类型检查报错。
2. 旧版SHAP对XGBoost分类特性支持不足：即使去掉目标列，部分旧版本SHAP对XGBoost的enable_categorical=True特性兼容度较差，也可能抛出类似错误。

可行解决办法 #

方案1：修正输入数据+升级SHAP版本

首先仅传入特征数据给SHAP，同时升级SHAP到最新版本（确保支持XGBoost分类特征）：

import pandas as pd
import xgboost
import shap

# 测试数据
test_data = pd.DataFrame({'target':[23,42,58,29,28],
                      'feature_1' : [38, 83, 38, 28, 57],
                      'feature_2' : ['A', 'B', 'A', 'C','A']})
test_data['feature_2'] = test_data['feature_2'].astype('category')

# 训练XGBoost模型
X = test_data.drop('target', axis=1)
y = test_data['target']
model = xgboost.XGBRegressor(enable_categorical=True, tree_method='hist')
model.fit(X, y)

# 使用SHAP解释（仅传入特征数据X）
explainer = shap.TreeExplainer(model)
shap_values = explainer.shap_values(X)

# 验证结果
print(shap_values)

方案2：手动编码分类特征（兼容旧版SHAP）

如果无法升级SHAP版本，可以将分类特征手动转为整数编码（XGBoost内部实际也是类似处理逻辑），再训练模型和使用SHAP：

import pandas as pd
import xgboost
import shap

test_data = pd.DataFrame({'target':[23,42,58,29,28],
                      'feature_1' : [38, 83, 38, 28, 57],
                      'feature_2' : ['A', 'B', 'A', 'C','A']})
# 手动将分类特征转为整数编码
test_data['feature_2'] = test_data['feature_2'].astype('category').cat.codes

X = test_data.drop('target', axis=1)
y = test_data['target']

model = xgboost.XGBRegressor(tree_method='hist')
model.fit(X, y)

explainer = shap.TreeExplainer(model)
shap_values = explainer.shap_values(X)

关键注意点 #

• 确保SHAP版本≥0.40.0，该版本后对XGBoost分类特征的支持更完善。
• 无论采用哪种方案，SHAP输入必须与模型训练时的特征维度、类型完全匹配，不能混入目标列。

内容的提问来源于stack exchange，提问作者prmlmu