将Scikit XGBoostRegressor模型转daal4py推理时报错无法转为oneDAL表

我用Scikit XGBoostRegressor API训练了一个二分类任务的XGBoost模型，想转成daal格式提升推理速度，但一直碰到RuntimeError：Could not convert Python object to oneDAL table。

我的代码：

with open(r'xgboost-model', 'rb') as input_file:
    model = pickle.load(input_file)

import daal4py as d4p
daal_model = d4p.get_gbt_model_from_xgboost(model.get_booster()) 

predict = d4p.gbt_classification_prediction(2).compute(test2, daal_model).prediction

报错信息：

---------------------------------------------------------------------------
RuntimeError                              Traceback (most recent call last)
Cell In [13], line 1
----> 1 prediction = d4p.gbt_classification_prediction(2).compute(test2, daal_model).prediction

File build/daal4py_cy.pyx:12628, in daal4py._daal4py.gbt_classification_prediction.compute()

File build/daal4py_cy.pyx:246, in daal4py._daal4py._execute_with_context.exec_func()

File build/daal4py_cy.pyx:12611, in daal4py._daal4py.gbt_classification_prediction._compute()

RuntimeError: Could not convert Python object to oneDAL table.

这个错误的核心是test2的格式不被daal4py兼容，oneDAL仅支持特定类型的输入数据，比如numpy数组、pandas DataFrame或daal4py原生的dal_table对象。可以按以下步骤修复：

• 处理稀疏矩阵：如果test2是scipy稀疏矩阵（如csr_matrix），daal4py无法直接转换，需先转为numpy数组：

  test2 = test2.toarray()
  

• 强制转为numpy数组：不管当前数据格式，显式转换为numpy数组确保兼容性：

  import numpy as np
  test2 = np.asarray(test2)
  

• 直接创建dal_table：若上述方法无效，可手动将数据转为daal4py的dal_table：

  test2_daal = d4p.ndarray_to_table(test2)
  predict = d4p.gbt_classification_prediction(2).compute(test2_daal, daal_model).prediction
  

另外需要注意：你用XGBoostRegressor训练二分类任务本身不合理，应该使用XGBClassifier。回归器模型在daal4py转换时可能存在兼容性问题，建议换用XGBClassifier重新训练后再尝试转换。

内容的提问来源于stack exchange，提问作者DevKnight2001