tidymodels下调优CatBoost模型出现标签类型不支持报错如何解决

这个报错的核心原因是CatBoost的R接口要求分类任务的标签输入为数值型（0/1的整数或浮点数），parsnip对CatBoost的封装不会自动将因子类型的响应变量转换为符合要求的数值类型。你可以按照以下步骤修复：

• 第一步：在数据预处理recipe中新增响应变量转数值的步骤，注意二分类场景要转为0、1取值：

cb_rec <- recipe(covid_vaccination ~ ., data = cb_train) %>% 
  # 将因子型响应变量转换为0/1数值
  step_mutate(covid_vaccination = as.integer(covid_vaccination) - 1) %>%
  step_unknown(all_nominal_predictors()) %>%
  step_impute_median(all_numeric_predictors()) %>%
  step_nzv(all_predictors())

如果需要明确指定正类对应1，可以替换为显式判断逻辑，避免因子顺序问题：

step_mutate(covid_vaccination = ifelse(covid_vaccination == "你的正类标签名", 1, 0))

• 第二步：确认分类指标的事件级别匹配。如果后续评估时出现ROC/AUC计算异常，可以在metric_set中指定event_level = "second"（对应1为正类），或者手动调整标签转换逻辑。
• 补充说明：你当前注释掉的step_dummy不需要启用，CatBoost原生支持因子类型的分类特征，独热编码反而会损失特征信息、降低模型效果。

如果修改后仍有问题，可以先使用固定超参数的模型做测试拟合，排除参数设置问题：

# 测试用固定参数模型
test_spec <- boost_tree(
  mode = "classification",
  trees = 100,
  tree_depth = 3,
  min_n = 10,
  mtry = 0.8,
  learn_rate = 0.01
) %>%
  set_engine("catboost", loss_function = "Logloss", task_type = "GPU")

test_wf <- workflow() %>%
  add_model(test_spec) %>%
  add_recipe(cb_rec)

# 直接拟合验证是否正常
test_fit <- fit(test_wf, data = cb_train)

内容的提问来源于stack exchange，提问作者tedescr