使用tidymodels搭建CatBoost分类模型时出现标签类型错误如何解决

报错原因 #

CatBoost的R引擎不直接接收因子型分类标签，要求分类任务的标签必须为integer或double数值类型，你当前的二分类标签为因子格式，传入后触发类型不匹配报错。

排查步骤 #

• 运行代码确认标签类型：class(cb_train$covid_vaccination)，返回结果为factor即可确认是类型不匹配问题。
• 确认预处理流程未修改标签属性：你当前的recipe仅处理预测变量，未对标签列做类型转换，因此标签保持原始因子格式传入模型。

解决方法 #

二选一即可，推荐第二种方案不修改原始数据集，符合tidymodels工作流规范：

1. 提前转换原始训练集标签：

cb_train <- cb_train %>% 
  mutate(covid_vaccination = as.integer(covid_vaccination) - 1)

减1操作是因为R中因子转整数默认从1开始，CatBoost的Logloss损失函数要求二分类标签取值为0/1。

2. 在预处理recipe中新增标签转换步骤：

cb_rec <- recipe(covid_vaccination ~ ., data = cb_train) %>% 
  step_mutate(covid_vaccination = as.integer(covid_vaccination) - 1) %>%
  step_unknown(all_nominal_predictors()) %>%
  step_impute_median(all_numeric_predictors()) %>% 
  step_nzv(all_predictors())

注意事项 #

• 你注释掉的step_dummy不需要打开，CatBoost原生支持类别特征输入，独热编码反而会降低模型效果。
• 后续若需要输出分类报告、混淆矩阵等结果，可将预测的0/1结果转回对应因子水平，和原始标签格式对齐即可。

内容的提问来源于stack exchange，提问作者Robert Tedesco