使用XGBRegressor遇AttributeError：无feature_names_in_属性求助

出现AttributeError: 'XGBRegressor' object has no attribute 'feature_names_in_'的核心原因是模型实例未保存特征名称信息，常见场景及解决方法如下：

常见原因与对应方案 #

• X_train是numpy数组而非带列名的DataFrame
  numpy数组本身不包含列名元数据，即使你知道特征名是字符串，模型也无法自动获取并存储为feature_names_in_。此时直接使用你已知的特征名列表或原始数据集的列名即可：

  # 假设你有特征名列表feature_names，或者从原始DataFrame获取（如df_train.columns）
  feature_names = ['特征1', '特征2', ...]  # 替换为你的实际特征名
  fi = pd.DataFrame(data=reg.feature_importances_, index=feature_names, columns=['importance'])
  fi.sort_values('importance').plot(kind='barh', title='Feature Importance')
  plt.show()
  

• XGBoost版本过低不支持feature_names_in_属性
  feature_names_in_是XGBoost与scikit-learn兼容的属性，需要XGBoost版本≥1.3.0才支持。先检查当前版本：

  import xgboost as xgb
  print(xgb.__version__)
  

  如果版本低于1.3.0，执行升级命令：

  pip install --upgrade xgboost
  

• X_train是DataFrame但仍无法获取属性
  直接绕过模型的feature_names_in_，从X_train本身提取列名更可靠：

  fi = pd.DataFrame(data=reg.feature_importances_, index=X_train.columns, columns=['importance'])
  fi.sort_values('importance').plot(kind='barh', title='Feature Importance')
  plt.show()
  

内容的提问来源于stack exchange，提问作者Osca