scikit-learn Pipeline内CatBoost eval_set传参报错问题

scikit-learn的Pipeline.fit方法本身仅支持内置的固定参数，所有需要传递给Pipeline内部某一步的fit阶段参数，都必须严格遵循步骤名__参数名的格式传参。你当前代码只给eval_set加了步骤前缀，cat_features是直接裸传给Pipeline的，不属于Pipeline的合法内置参数，因此触发报错。

另外注意你定义Pipeline时给分类器步骤起的名字是classifer（拼写少了一个i，不是标准写法classifier），传参前缀必须和这个名字完全匹配，不能写错。

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.pipeline import Pipeline
from catboost import CatBoostClassifier

# 测试数据集构造
df = pd.DataFrame({
    'frontend_client_type':['android', 'android', 'ios', 'web', 'android'],
    'label':[True, True, False, False, True]
})

# 初始化CatBoost模型
catboost_model = CatBoostClassifier(learning_rate=0.02, eval_metric='AUC', verbose=100)
pipeline = Pipeline([("classifer", catboost_model)])

cat_columns = ['frontend_client_type']
X_train, X_valid, y_train, y_valid = train_test_split(
    df[cat_columns], df['label'], test_size=0.2, random_state=42
)

# 所有CatBoost相关的fit参数都加上步骤前缀
pipeline.fit(
    X_train,
    y_train,
    classifer__cat_features=cat_columns,
    classifer__eval_set=[(X_valid, y_valid)],
)

• 可以在初始化CatBoost实例时就直接指定cat_features，避免fit阶段重复传参：

  catboost_model = CatBoostClassifier(
      learning_rate=0.02,
      eval_metric='AUC',
      cat_features=cat_columns, # 初始化时直接指定分类特征
      verbose=100
  )
  pipeline = Pipeline([("classifer", catboost_model)])
  # fit阶段仅需传验证集参数
  pipeline.fit(
      X_train,
      y_train,
      classifer__eval_set=[(X_valid, y_valid)]
  )
  

• 如果你的Pipeline在CatBoost步骤前还有其他预处理逻辑（比如缺失值填充、特征编码、ColumnTransformer等），不能直接传入原始验证集，需要先通过前序步骤处理验证集再传入，否则会出现特征维度/类型不匹配问题：

  # 示例：Pipeline结构为[预处理步骤, 分类器]时的验证集处理
  X_valid_processed = pipeline[:-1].transform(X_valid)
  pipeline.fit(
      X_train,
      y_train,
      classifer__cat_features=cat_columns,
      classifer__eval_set=[(X_valid_processed, y_valid)]
  )
  

• 传参前缀必须和Pipeline定义时的步骤名完全一致，大小写、拼写错误都会触发参数不存在的报错。

内容的提问来源于stack exchange，提问作者Lucas Dresl