XGBoost生存模型训练报错：标签DataFrame含多列如何解决？

开发者阿泽

2026-8-5

问题描述

我正在开发XGBoost Survival模型，代码片段如下：

X = df_High_School[['Gender', 'Lived_both_Parents', 'Moth_Born_in_Canada', 'Father_Born_in_Canada','Born_in_Canada','Aboriginal','Visible_Minority']]  # covariates 
y = df_High_School[['time_to_event', 'event']]  # time to event and event indicator

#split the data into training and test sets 
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)

#Develop the model 
model = xgb.XGBRegressor(objective='survival:cox')

运行model.fit(X_train, y_train)时出现如下错误：

ValueError                                Traceback (most recent call last)
<ipython-input-9-1c5a15fa4b2b> in <module>
     18 
     19 # fit the model to the training data
---> 20 model.fit(X_train, y_train)
     21 
     22 # make predictions on the test set

2 frames
/usr/local/lib/python3.8/dist-packages/xgboost/core.py in _maybe_pandas_label(label)
    261     if isinstance(label, DataFrame):
    262         if len(label.columns) > 1:
---> 263             raise ValueError('DataFrame for label cannot have multiple columns')
    264 
    265         label_dtypes = label.dtypes

ValueError: DataFrame for label cannot have multiple columns

由于这是生存模型，需要time_to_event和event两列分别表示事件时间和事件指示器，尝试将DataFrame转为Numpy数组后问题仍未解决，请问该如何处理？

解决方法

XGBoost的survival:cox目标函数无法直接接收多列标签数据，必须通过DMatrix结构分别传递事件时间和事件状态，具体步骤如下：

拆分标签字段
先把训练集和测试集的事件时间、事件指示器分开：

# 拆分训练集标签
y_train_time = y_train['time_to_event']
y_train_event = y_train['event']
# 拆分测试集标签
y_test_time = y_test['time_to_event']
y_test_event = y_test['event']

用DMatrix包装数据
通过DMatrix的label参数传入事件时间，set_weight()方法传入事件指示器（0代表删失样本，1代表事件发生样本）：

# 构建训练集DMatrix
dtrain = xgb.DMatrix(X_train, label=y_train_time)
dtrain.set_weight(y_train_event)
# 构建测试集DMatrix
dtest = xgb.DMatrix(X_test, label=y_test_time)
dtest.set_weight(y_test_event)

使用原生接口训练模型
放弃XGBRegressor的fit方法，改用xgb.train接口完成训练：

params = {
    'objective': 'survival:cox',
    'eval_metric': 'cox-nloglik'
}
# 训练模型，num_boost_round可根据需求调整
model = xgb.train(params, dtrain, num_boost_round=100, evals=[(dtest, 'test')])

预测风险分数
模型输出的是样本的风险分数，分数越高代表事件发生概率越高：
```
y_pred = model.predict(dtest)
```

关键说明

XGBRegressor的封装接口不支持Cox模型所需的双标签输入，必须用原生xgb.train配合DMatrix处理。
直接转Numpy数组无法解决问题，因为普通数组无法同时绑定事件时间和状态两个信息，必须通过DMatrix的专属参数传递。

内容的提问来源于stack exchange，提问作者Mohamad

XGBoost生存模型训练报错：标签DataFrame含多列如何解决？

关键说明 #

关键说明