LightGBM调用predict()提示训练与测试集分类特征不匹配如何解决

报错的核心原因是：预测时传入的数据集与训练时的数据集的分类特征集合/类别/类型不匹配，可按以下步骤逐一修复：

1. 先对齐特征列的结构 #

保证传入test_kfold函数的test数据集的列名、列顺序与训练集train完全一致，不要在predict环节临时删除列，提前将test中的目标列avg_power删除后再传入函数：

# 提前处理测试集，保证和train特征完全对齐
test_feat = test.drop(['avg_power'], axis=1)
# 确保列顺序和train完全一致
test_feat = test_feat[train.columns]
# 再传入函数
test_preds = test_kfold(params, train, train_y, test_feat, KFold(n_splits=5, random_state=7, shuffle=True))

同时删除函数内部test_preds += rlf.predict(test, num_iterations=rlf.best_iteration)这行里多余的drop操作，直接用传入的已对齐的test数据集即可。

2. 统一处理分类特征 #

手动指定分类特征，避免LightGBM自动识别出现不一致：

• 第一步先提取所有分类特征的列名列表：

# 示例：所有object类型、category类型的列都是分类特征，可根据实际业务调整
cat_cols = train.select_dtypes(include=['object', 'category']).columns.tolist()

• 第二步对齐训练集和测试集的分类特征类别：

for col in cat_cols:
    # 统一转成category类型
    train[col] = train[col].astype('category')
    # 测试集的分类类别完全对齐训练集
    test_feat[col] = pd.Categorical(test_feat[col], categories=train[col].cat.categories)

• 第三步创建LGB数据集时显式传入分类特征参数：

lgb_train = lgb.Dataset(X_train, y_train, categorical_feature=cat_cols, free_raw_data=False)
# 验证集设置reference和训练集对齐特征规则
lgb_valid = lgb.Dataset(X_valid, y_valid, reference=lgb_train, free_raw_data=False)

3. 清理无效参数 #

回归任务不需要is_unbalance参数，该参数仅用于分类任务的样本不平衡处理，直接从params字典中删除即可，避免引发不必要的异常。

内容的提问来源于stack exchange，提问作者mugdi