XGBoost训练multi:softmax多分类模型报标签取值范围错误

XGBoost使用multi:softmax做多分类任务时，只要设置了num_class=N，就强制要求标签取值为从0开始的连续整数，取值范围必须落在[0, N-1]区间内。你已经把标签转为数值类型仍然报错，本质是标签取值不符合这个范围要求，常见情况包括：

• 标签从1开始编号（比如7分类的标签取值是1_{7，而非要求的0}6）
• 标签存在超出范围的异常值
• 标签编码不连续，或者测试集存在训练集未覆盖的标签值
• 实际类别数和你设置的num_class数值不匹配

• 先核查标签的实际取值，运行以下代码输出训练集、测试集标签的唯一值、最值，确认问题：

import numpy as np
print("训练集标签唯一值：", np.unique(trainY))
print("训练集标签最值：", trainY.min(), trainY.max())
print("测试集标签唯一值：", np.unique(testY))

• 如果标签是从1开始编号，直接做偏移转换即可：

trainY = trainY - 1
testY = testY - 1

• 如果标签是离散非连续值、或者文本类型分类标签，用标签编码器统一转为从0开始的连续编码，注意要在全量标签（训练+测试）上拟合编码器，避免两边编码规则不一致：

from sklearn.preprocessing import LabelEncoder
import numpy as np
all_labels = np.concatenate([trainY, testY])
le = LabelEncoder()
le.fit(all_labels)
trainY = le.transform(trainY)
testY = le.transform(testY)
# 转换后确认类别数和num_class参数一致
assert len(le.classes_) == 7, "类别数和num_class设置不匹配"

• 修正评估指标：你当前设置的eval_metric='mae'是回归任务指标，不适配多分类场景，建议替换为mlogloss（多分类对数损失）或merror（多分类错误率）。

注意：标签处理完成后需要重新创建xgb_train和xgb_test两个DMatrix对象，否则DMatrix中加载的还是处理前的错误标签，报错不会消失。

内容的提问来源于stack exchange，提问作者yizhou