R中如何将分类变量转为数值以修复XGBoost运行报错问题？

你遇到的报错：

Error in xgb.DMatrix(X_Train, label = labels) : 'data' has class 'character' and length 64617. 'data' accepts either a numeric matrix or a single filename.

触发的核心原因有两个：一是你尝试转换outcome字符变量为数值的代码逻辑错误、转换未生效，标签仍为字符类型；二是后续XGBoost建模代码还有多处参数、变量名的错误，可按以下步骤修正：

1. 修正outcome变量转换代码 #

你原来的ifelse用法不符合语法要求：ifelse需要传入「判断条件、条件为真的返回值、条件为假的返回值」三个参数，且你没有将转换后的结果赋值回NFL数据集，自然不会生效。
正确的转换代码可以用dplyr::case_when实现多分支匹配：

NFL <- NFL %>% 
  mutate(outcome = case_when(
    outcome == "Win" ~ 1,
    outcome == "Tie" ~ 2,
    outcome == "Loss" ~ 3
  ))

如果想要更简洁的写法，也可以通过因子转数值实现：

NFL <- NFL %>% 
  mutate(outcome = as.numeric(factor(outcome, levels = c("Win", "Tie", "Loss"))))

转换后可以运行str(NFL$outcome)检查类型，确认已经变成数值型。

2. 修正后续建模代码的其他错误 #

你的建模代码还有多处明显问题：

• 切分训练集时误用了不存在的train对象，应该用你处理好的NFL数据集
• 变量名混乱，一会用outcome当标签，一会又出现不存在的target字段
• 创建xgb.DMatrix后，xgboost函数的data参数要传入DMatrix对象，不是原始数据框
• 多分类任务的objective参数配置错误，需要指定为多分类目标，同时补充类别数参数num_class=3
• 预测时需要先将验证集转换为DMatrix格式，不能直接传入原始数据框

修正后的完整代码如下：

# 给数据集加行号
NFL <- NFL %>% mutate(id = row_number())

# 切分训练集和验证集
trainSet <- NFL %>% sample_frac(0.7)
validate <- NFL %>% anti_join(trainSet, by = "id")

# 构造输入矩阵和标签
X_Train <- trainSet %>% select(-outcome, -id) %>% as.matrix()
X_Validate <- validate %>% select(-outcome, -id) %>% as.matrix()
labels_train <- trainSet$outcome

# 构造XGBoost专用矩阵
Train_dmat <- xgb.DMatrix(X_Train, label = labels_train)
Validate_dmat <- xgb.DMatrix(X_Validate, label = validate$outcome)

# 训练模型
set.seed(112321)
xgbModel <- xgboost(
  data = Train_dmat, 
  objective = "multi:softmax", # 多分类直接返回类别
  num_class = 3, # 总共有3个分类
  nrounds = 50, 
  subsample = 1, 
  colsample_bytree = 1, 
  max_depth = 10, 
  eta = 0.2, 
  verbose = FALSE
)

# 预测并计算ROC
xgbPred <- predict(xgbModel, Validate_dmat)
xgbROC <- evaluate(xgbPred, validate$outcome)

内容的提问来源于stack exchange，提问作者usersquash003