CatBoost多输出回归报错：All train targets are equal 求助

问题场景 #

你的数据集尺寸：

x_train=(60,20)
y_train=(60,17657)
x_test=(15,20)
y_test=(15,17657)

训练代码：

cat_model=CatBoostRegressor(loss_function="MultiRMSE",n_estimators=5,max_depth=4,
eval_metric="MultiRMSE").fit(x_train,y_train,                                                                                         
eval_set=(x_test,y_test)
)

运行后触发错误：All train targets are equal

错误原因 #

这个错误说明y_train中存在至少一个输出维度的所有样本值完全相同，CatBoost无法对这种无波动的目标进行回归拟合——没有差异就没有可学习的信息。

解决步骤 #

• 第一步：定位方差为0的输出维度
  用numpy计算每个输出维度的方差，找出所有值完全相同的列：

  import numpy as np
  variances = np.var(y_train, axis=0)
  zero_var_cols = np.where(variances == 0)[0]
  print(f"发现{len(zero_var_cols)}个方差为0的输出维度")
  print(f"部分维度索引示例：{zero_var_cols[:10]}")
  

• 第二步：处理无效维度
  • 直接删除：如果这些维度本身就是无意义的常数输出，直接从训练集和测试集中移除：

    # 筛选出方差不为0的维度
    valid_cols = np.where(variances != 0)[0]
    y_train_clean = y_train[:, valid_cols]
    y_test_clean = y_test[:, valid_cols]
    

  • 检查数据源头：如果这些维度理论上应该有波动，那大概率是数据采集或预处理时出错了（比如批量填充了同一个值），需要回溯修正数据。
• 第三步：重新训练模型
  用清理后的目标变量重新运行训练代码：

  cat_model=CatBoostRegressor(loss_function="MultiRMSE",n_estimators=5,max_depth=4,
  eval_metric="MultiRMSE").fit(x_train,y_train_clean,                                                                                         
  eval_set=(x_test,y_test_clean)
  )
  

内容的提问来源于stack exchange，提问作者omer_tb