XGBoost预测输入维度错误排查求助

核心错误原因 #

你遇到的报错本质是输入维度不匹配：

C:/buildkite-agent/builds/buildkite-windows-cpu-autoscaling-group-i-08de971ced8a8cdc6-1/xgboost/xgboost-ci-windows/src/predictor/cpu_predictor.cc:377: Check failed: m->NumColumns() == model.learner_model_param->num_feature (1 vs. 170) : Number of columns in data must equal to trained model.

XGBoost的predict方法要求输入必须是二维数组（格式为[样本数, 特征数]）。当你用test_point = X_test_xgb[42]取单条样本时，得到的是一维数组（你提到的(170,0)大概率是笔误，实际shape应为(170,)）。此时XGBoost会将这个一维数组误识别为[170, 1]的二维结构——也就是170个样本、每个样本仅1个特征，这和训练时的170个特征完全不匹配，因此触发报错。

为什么X_test_xgb[42:43]能正常运行？ #

切片42:43取到的是一个二维数组，shape为(1, 170)，刚好符合[1个样本, 170个特征]的要求，所以模型能正常处理。

你的疑问解答 #

1. predict不需要表头：你用numpy数组训练的模型，只关心特征的数量和顺序，和表头没有任何关系，不用考虑表头的问题。
2. 转置无效的原因：一维数组的转置依然是一维结构，X_test_xgb[42].T的shape还是(170,)，并没有转换成模型需要的二维格式。

解决方法 #

你可以用两种方式修正输入维度：

• 方式一：保持切片写法

  test_point = X_test_xgb[42:43]
  original_model_prediction = xgb_model.predict(test_point)
  

• 方式二：用reshape转换一维数组为二维

  test_point = X_test_xgb[42].reshape(1, -1)  # -1自动计算特征数，这里就是170
  original_model_prediction = xgb_model.predict(test_point)
  

内容的提问来源于stack exchange，提问作者Paul1911