XGBRegressor执行fit时报标签含NaN、无穷值错误如何排查

报错信息 #

XGBoostError:[18:46:19] D:\Build\xgboost\xgboost-1.6-1.git\src\data\data.cc:487:Check failed: valid: Label contains NaN, infinity or a value too large。

问题根因 #

报错明确指向传入model.fit()的标签参数y存在非法值，和特征矩阵X无关。之前的校验、清洗操作都是针对全量DataFrame执行，没有单独校验标签列，因此没有定位到真正的问题点。
同类报错中"Input contains..."指向特征非法，"Label contains..."指向标签非法，二者排查对象完全不同。

排查与修复步骤 #

• 第一步：单独校验标签列合法性，不要做全表校验
  拆分特征和标签后，单独对y执行校验，不要用全表df的校验结果替代：

  import numpy as np
  import pandas as pd
  
  # 假设你已经拆分出特征X和标签y
  # 1. 检查空值
  print("标签是否存在NaN：", np.any(np.isnan(y)))
  # 2. 检查无穷值
  print("标签是否全为有限值：", np.all(np.isfinite(y)))
  # 3. 检查数值范围，XGBoost1.6版本对超过float32表示范围（±3.4e38）的值也会判定为非法
  print("标签最小值、最大值：", y.min(), y.max())
  

  注意：如果标签列存在字符串类型的非法值（比如'NA'、'None'文本），上述numpy校验会直接报错，可先强制转数值类型：

  y = pd.to_numeric(y, errors='coerce')
  

• 第二步：针对常见触发原因修复

  • 场景1：X和y索引不对齐导致y生成NaN
    如果你在拆分X、y之前对特征做过行过滤（比如dropna、筛选行），会导致X和y的索引不匹配，传入模型时pandas自动对齐会在匹配不上的位置填充NaN。
    修复方案：先对用到的所有列（特征+标签）做统一清洗，再拆分X、y：

    used_cols = feature_cols + [target_col] # 替换成你的特征列名列表、标签列名
    df_clean = df[used_cols].replace([np.inf, -np.inf], np.nan).fillna(0)
    X = df_clean[feature_cols]
    y = df_clean[target_col]
    # 重置索引避免错位
    X = X.reset_index(drop=True)
    y = y.reset_index(drop=True)
    

  • 场景2：标签数值超出XGBoost支持范围
    如果标签最大值超过float32可表示的上限（约3.4e38），即使np.isfinite返回True也会触发报错。
    修复方案：对标签做数值缩放（比如除以固定系数、做标准化），待模型预测完成后再对结果做反向缩放还原即可。
  • 场景3：标签列混入非数值内容
    如果标签列存在文本类型的空标记、特殊符号，之前的无穷值替换、fillna操作无法识别这类非法值。
    修复方案：先强制转换标签为数值类型，无法转换的内容转为NaN后再按业务规则填充：

    y = pd.to_numeric(y, errors='coerce')
    # 可根据业务场景替换为均值、中位数填充，不要盲目填0
    y = y.fillna(y.median())
    

• 第三步：校验通过后重新建模
  确认标签列无NaN、无无穷值、数值在合理范围后，再执行model.fit(X, y)即可解决报错。

内容的提问来源于stack exchange，提问作者user115968