Python中XGBoost多属性预测异常：仅输出首个属性的问题排查

一、模型仅预测第一个属性的解决方案 #

你需要用3个输入变量（lat、lon、angle）预测3个输出属性，但默认的XGBRegressor是单输出回归器，只会学习预测第一列标签。要实现多输出预测，需用MultiOutputRegressor包装XGBoost模型，让其同时学习多个输出维度。

修改步骤： #

1. 导入多输出回归器：

from sklearn.multioutput import MultiOutputRegressor

2. 替换模型初始化代码：
   将原代码中的xg_reg = xgb.XGBRegressor()改为：

xg_reg = MultiOutputRegressor(xgb.XGBRegressor())

修改后，xg_reg.predict([dat[(num-1)+i]])会输出包含3个值的数组，对应lat、lon、angle的预测结果，而非单个值。

二、单个Series训练时fit报错的解决方案 #

报错XGBoostError: Check failed: preds.Size() == info.labels_.Size() (1 vs. 9)的核心原因是输入数据形状不匹配：XGBoost要求输入X为二维数组（样本数×特征数），直接传入一维Series会导致模型误将特征数识别为样本数，与标签的样本数（9）不匹配。

解决方法： #

将Series转换为二维数组，两种方式任选其一：

• 用numpy的reshape转换：

# 假设你的Series名为gh_series
X = gh_series[:-1].values.reshape(-1, 1)  # 转为(n_samples, 1)的二维结构
y = gh_series[1:].values.reshape(-1, 1)

• 用pandas的to_frame转换：

X = gh_series[:-1].to_frame()
y = gh_series[1:].to_frame()

调整后X和y的形状匹配，fit即可正常执行。

内容的提问来源于stack exchange，提问作者GoT GOt