CatBoost带分类特征对接Scikit-Learn CalibratedClassifierCV预测报错如何解决

报错的核心逻辑为：

• Scikit-Learn的CalibratedClassifierCV调用基模型预测接口前，会统一将输入的pandas DataFrame转换为numpy浮点数组，丢失原始列类型、列名元信息
• 提前拟合的CatBoostClassifier已经指定了cat_features参数，收到全浮点类型的numpy数组时无法识别分类特征列，触发参数校验报错

LightGBM可正常运行是因为其预测接口对numpy数组输入的分类特征兼容性更高，不会做同类强校验。

方案1：封装CatBoostClassifier适配接口（改动最小） #

自定义继承自CatBoostClassifier的包装类，重写预测相关方法，自动把输入的numpy数组转回与训练时结构一致的DataFrame再执行预测：

from catboost import CatBoostClassifier
import pandas as pd

class CalibratableCatBoost(CatBoostClassifier):
    # 初始化时传入训练集的特征列名，适配不同特征结构的场景
    def __init__(self, feature_cols, **kwargs):
        super().__init__(**kwargs)
        self.feature_cols = feature_cols
    
    def predict_proba(self, X, **kwargs):
        if not isinstance(X, pd.DataFrame):
            X = pd.DataFrame(X, columns=self.feature_cols)
        return super().predict_proba(X, **kwargs)

# 调用示例
feature_cols = ['a','b','c','d']
model = CalibratableCatBoost(feature_cols=feature_cols)
model.fit(X,y,verbose=False,cat_features=[3])
model_cat = CalibratedClassifierCV(base_estimator=model,cv='prefit')
model_cat.fit(X,y)
# 可正常调用预测接口
model_cat.predict(X)

方案2：手动实现概率校准流程（完全可控） #

避开CalibratedClassifierCV的中间转换逻辑，自行拆分数据集完成校准：

from sklearn.isotonic import IsotonicRegression
from sklearn.model_selection import train_test_split

# 拆分训练集、校准集
X_train, X_calib, y_train, y_calib = train_test_split(X, y, test_size=0.2, random_state=42)
# 训练基模型
base_model = CatBoostClassifier()
base_model.fit(X_train, y_train, verbose=False, cat_features=[3])
# 获取校准集预测分数，训练校准器
calib_scores = base_model.predict_proba(X_calib)[:, 1]
calibrator = IsotonicRegression(out_of_bounds='clip')
calibrator.fit(calib_scores, y_calib)

# 预测逻辑
def get_calibrated_result(X, threshold=0.5):
    raw_scores = base_model.predict_proba(X)[:, 1]
    calibrated_proba = calibrator.predict(raw_scores)
    return (calibrated_proba >= threshold).astype(int), calibrated_proba

该方案可自定义校准算法、校准集比例，适配性更强。

方案3：不使用prefit模式 #

如果不需要复用预训练的CatBoost模型，可删除cv='prefit'参数，将cat_features放在CatBoost的初始化参数中，让CalibratedClassifierCV完整执行训练+校准流程，也可规避该问题。

内容的提问来源于stack exchange，提问作者zonna