无分类列时拟合XGBoost模型因UInt列触发分类相关报错

报错的核心原因是你列里的UInt8Dtype()、Int64Dtype()是pandas自定义的可空整数扩展类型，不是NumPy原生的数值dtype。
XGBoost默认的输入类型校验白名单只覆盖三类：NumPy原生的int/float/bool类型、pandas原生category类型，它识别不了pandas自己实现的这套带空值支持的扩展整数类型，会直接判定这些列是不支持的非法类型，甚至会误触发分类类型的校验分支，抛出你看到的需要开启enable_categorical的提示——但实际上这些列根本不是分类列。
你列里的dtype('float64')、dtype('int64')是NumPy原生数值类型，这两类是可以正常通过校验、不会触发报错的。

你可以根据自己的场景选任意一种方案处理：

• 手动转换扩展类型为NumPy原生类型
  如果对应列没有空值，可以直接转成对应位宽的NumPy整数类型；如果有空值（pd.NA），转成NumPy float64即可（NumPy浮点类型原生支持np.nan空值，XGBoost可以正常识别），参考代码：

  # 筛选所有pandas可空整数类型列
  nullable_cols = X.select_dtypes(include=['Int64', 'UInt8']).columns
  # 无空值场景：转NumPy原生整数
  X[nullable_cols] = X[nullable_cols].apply(lambda col: col.to_numpy())
  # 有空值场景：转float64，pd.NA会自动转为np.nan
  X[nullable_cols] = X[nullable_cols].astype('float64')
  

• 升级XGBoost版本
  XGBoost 1.7.0及之后的版本已经完成了对pandas可空扩展dtype的适配，升级后不需要做任何类型转换就可以直接传入DataFrame训练，升级命令：

  pip install -U xgboost
  

• 传入NumPy数组绕过DataFrame类型校验
  喂数据给模型的时候直接把DataFrame转成NumPy数组，就能绕开XGBoost对DataFrame的dtype检查逻辑，直接读取数值内容训练：

  model.fit(X=X.to_numpy(), y=y)
  

注意：不要为了消报错随便给这些UInt列开enable_categorical=True，这些列本质是数值列，强行按分类特征处理会严重影响模型训练效果。

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