XGBoost eval_metric参数使用遇两类报错，求解决方案

错误原因分析 #

错误1：TypeError: fit() got an unexpected keyword argument 'eval_metric' #

XGBoost的scikit-learn兼容接口（如XGBClassifier）的fit()方法不支持传入eval_metric参数，这个参数只能在模型初始化时设置，或者通过set_params()方法修改。

错误2：TypeError: 2 different eval_metricare provided. Use the one in constructor orset_params instead. #

你在初始化XGBClassifier时已经指定了eval_metric，若后续尝试重复设置（哪怕是错误地在fit()里传参），就会触发冲突提示。另外代码存在变量名错误：eval_metric_list未定义，应为之前定义的eval_metric。

修复后的代码示例 #

# 定义评估指标
eval_metric = ["error", "logloss"]

# 初始化模型时设置eval_metric
classifier = XGBClassifier(
    objective=objective,
    booster="gbtree",
    eval_metric=eval_metric,
    subsample=0.8,
    colsample_bytree=1,
    random_state=1,
    use_label_encoder=False
)

# 拟合模型，仅传入eval_set和verbose，不要传eval_metric
eval_set = [(X_train, y_train), (X_test, y_test)]
classifier.fit(X_train, y_train, eval_set=eval_set, verbose=False)

可选：后续修改评估指标的方式 #

如果需要在初始化后修改eval_metric，可以用set_params()方法：

classifier.set_params(eval_metric=["auc", "error"])
classifier.fit(X_train, y_train, eval_set=eval_set, verbose=False)

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