为何我的XGB多分类任务出现multioutput不支持错误？

错误的核心原因是：XGBoost的multi:softmax目标函数不支持独热编码格式的标签。它需要的是一维的类别索引数组（比如每个样本对应0到8的整数，对应9个类别），而你传入的y_train是9列的独热编码数组，XGBoost会将其误判为多输出任务，因此抛出"multioutput is not supported"错误。

1. 转换标签格式
   用numpy的argmax方法，把独热编码的标签转换成一维的类别索引：

   import numpy as np
   y_train = np.argmax(y_train, axis=1)
   

   转换后y_train会变成50000×1的一维数组，每个元素是0-8之间的整数，对应9个类别的索引。

2. 重新训练模型
   修改后的完整代码如下：

   import xgboost as xgb
   import numpy as np
   
   # 转换独热编码标签为类别索引
   y_train = np.argmax(y_train, axis=1)
   
   params = {
       'objective': 'multi:softmax',
       'num_class': 9,
       'max_depth': 5,
       'learning_rate': 0.1,
       'subsample': 0.8,
       'colsample_bytree': 0.8,
       'seed': 42
   }
   
   dtrain = xgb.DMatrix(X_train, label=y_train)
   
   num_rounds = 100
   xgb_model = xgb.train(params, dtrain, num_rounds)
   

• 如果需要输出每个样本对应所有类别的概率，可以将objective参数改为multi:softprob，此时模型输出结果形状为n_samples×9，对应每个类别的概率值。
• 独热编码标签多用于神经网络类模型，XGBoost、LightGBM等树模型普遍要求传入类别索引格式的标签，这是这类模型的通用规则。

内容的提问来源于stack exchange，提问作者Abb