使用CatBoostClassifier指定cat_features时出现‘Sex不在列表中’报错求助

问题背景 #

使用CatBoostClassifier处理数据并通过ROC_AUC评估模型时出现报错，此前Logistic Regression在相同数据上可正常运行。

代码示例 #

from catboost import CatBoostClassifier
from sklearn.metrics import roc_auc_score

model = CatBoostClassifier(iterations = 100, learning_rate = 0.1, depth = 6, random_state=42)
model.fit(X_train,y_train, cat_features=cat_cols)
y_pred = model.predict(X_test)
roc_auc = roc_auc_score(y_test, model.predict_proba(X_test)[:,1])
roc_auc 

报错信息 #

ValueError: 'Sex' is not in list

已确认信息 #

cat_cols列表明确包含'Sex'特征，输出如下：

['Sex', 'IsSeniorCitizen', 'HasPartner', 'HasChild', 'HasPhoneService', 'HasMultiplePhoneNumbers', 'HasInternetService', 'HasOnlineSecurityService', 'HasOnlineBackup', 'HasDeviceProtection', 'HasTechSupportAccess', 'HasOnlineTV', 'HasMovieSubscription', 'HasContractPhone', 'IsBillingPaperless', 'PaymentMethod']

报错原因及解决方法 #

1. X_train列名与cat_cols不匹配 #

CatBoost通过列名匹配分类特征时，对大小写、拼写、特殊字符严格敏感。比如X_train中列名可能是小写的sex，或者带空格的 Sex，导致无法匹配cat_cols中的Sex。

• 解决：执行print(X_train.columns)（若X_train是DataFrame），逐行对比与cat_cols的一致性，修正列名或cat_cols中的对应值。

2. X_train为numpy数组而非DataFrame #

若X_train是numpy数组，CatBoost无法识别列名，此时传入列名列表cat_cols会触发报错，因为数组只有索引没有列名。

• 解决：将numpy数组转换为DataFrame（指定列名），或改用特征的索引位置列表作为cat_features参数（比如cat_cols对应的列索引：[0,1,2,...]）。

3. 预处理流程中丢失或修改了'Sex'列 #

在数据划分train/test前的预处理步骤（如特征选择、清洗、重命名）中，可能不小心删除了'Sex'列，或修改了列名但未同步更新cat_cols。

• 解决：回溯数据预处理的每一步，确认'Sex'列始终存在且列名未被修改；若确有修改，同步更新cat_cols中的对应值。

内容的提问来源于stack exchange，提问作者Baizhan Kh