新增两列数值特征后XGBoost报数据类型错误但RF正常运行咨询

• 你当前传入XGBoost的数据集仍包含category dtype的特征列：XGBoost对输入数据类型的校验远严于scikit-learn Random Forest，默认不支持pandas的category类型输入，必须显式开启对应参数才可使用；而Random Forest会直接读取category类型底层的整数编码作为数值特征处理，因此不会触发报错。
• 补充排查点：可执行代码print(X.dtypes[(X.dtypes == 'object') | (X.dtypes == 'category')])确认拆分后的训练集是否仍存在非数值/布尔类型的列，排查是否有漏处理的隐性object列（比如新增列拼接时因缺失值、异常值被自动转换为object类型）。

方案1：直接开启XGBoost分类特征支持 #

如果你希望保留现有category类型特征无需额外编码，根据你使用的XGBoost接口添加参数即可：

• 原生DMatrix接口：构造数据集时添加enable_categorical=True

  dtrain = xgb.DMatrix(X, label=train_y, enable_categorical=True)
  

• Scikit-learn封装接口：模型初始化时添加参数

  from xgboost import XGBClassifier
  xgb_model = XGBClassifier(enable_categorical=True, 其他原有参数...)
  

方案2：显式编码所有非数值列（兼容性最优） #

将所有category、object类型列转换为数值类型，避免后续不同模型的兼容性问题：

• 对无序类别特征使用独热编码：X = pd.get_dummies(X, columns=X.select_dtypes(include=['category']).columns.tolist())
• 对有序类别特征使用标签编码，转换为int类型后再输入模型

内容的提问来源于stack exchange，提问作者MarkS