XGBoost预测土壤类别时卫星影像特征名不匹配错误求助

错误原因分析 #

你遇到的Feature names stored in object and newdata are different!错误，本质是训练模型时使用的特征列名/顺序，与卫星影像转换后的特征列名/顺序不匹配，同时你提取栅格数据的方式也不符合XGBoost的输入要求。

具体修复步骤 #

1. 确保训练数据与卫星影像的特征完全匹配 #

首先检查训练数据的特征列名，和你给卫星影像设置的图层名是否完全一致（大小写、拼写、顺序都要严格对应）：

# 查看训练数据的特征列名
colnames(train_x)
# 查看卫星影像的图层名
names(ras)

如果两者不一致，调整其中一方的名称/顺序：

• 若CSV数据的列名不对，修改CSV文件的列名，或者在读取后重命名：

  # 示例：重命名训练数据的特征列，与卫星影像一致
  colnames(train)[-1] <- names(ras)
  

• 若卫星影像的图层名不对，重新设置names(ras)，确保和训练数据的特征列名完全一致。

2. 正确转换卫星影像为XGBoost可识别的格式 #

替换你原来的预测代码，改用以下方式处理栅格数据：

# 提取栅格所有像元值为数据框（保留列名和NA值）
ras_data <- as.data.frame(ras, na.rm = FALSE)
# 转换为矩阵格式（XGBoost偏好矩阵输入）
ras_matrix <- data.matrix(ras_data)

# 执行预测（此时特征列名与模型训练时完全匹配）
result <- predict(model_xgboost, ras_matrix)

# 创建结果栅格并赋值
res <- raster(ras)
# 注意：是否+1根据你的训练数据类别编码规则调整，若训练时类别从0开始则保留+1，否则删除
res <- setValues(res, result + 1)

# 保存输出
writeRaster(res, "xgbmodel_output", format = "GTiff", overwrite = TRUE)

关键说明 #

• as.data.frame(ras, na.rm = FALSE)会保留栅格中的NA值，确保预测结果的长度和栅格像元数完全一致，避免赋值时出错。
• 必须保证训练数据的特征顺序和卫星影像的图层顺序完全相同，XGBoost依赖特征顺序进行预测，即使列名一致，顺序不同也会导致预测结果错误。

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