XGBClassifier出现label encoder弃用警告，设置use_label_encoder无效如何解决

你出现警告且单独加use_label_encoder =False无效的核心原因通常是参数配置不全，或是交叉验证场景下参数未在实例初始化时传入，可按以下步骤排查修复：

1 补全初始化参数 #

XGBoost 1.3+版本中，仅加use_label_encoder=False不足以完全消除该警告，需要同时显式指定eval_metric参数：

• 二分类任务可设置为logloss、error
• 多分类任务可设置为mlogloss、merror
  修改你的分类器初始化代码即可：

# 多分类场景示例，二分类替换eval_metric即可
clf = xgb.XGBClassifier(
    seed=42, 
    subsample=0.9,
    use_label_encoder=False,
    eval_metric='mlogloss'
)

你使用的cross_val_score、cross_val_predict会直接复用该实例配置，不需要额外修改交叉验证相关代码。

2 手动预处理标签（根源消除触发条件） #

该警告的本质是XGBoost内部自动对标签做编码的逻辑已废弃，你可以提前手动对标签做编码，完全避免XGBoost调用废弃逻辑：

from sklearn.preprocessing import LabelEncoder
le = LabelEncoder()
# 转换标签为连续整数编码
y_train = le.fit_transform(df_train['steps_title'])
y_test = le.transform(df_test['steps_title'])

3 全局定向屏蔽警告 #

如果修改后仍有警告残留，可以直接定向屏蔽xgboost模块的UserWarning，不影响其他模块的警告输出，在脚本头部添加以下代码即可：

import warnings
warnings.filterwarnings(action='ignore', category=UserWarning, module='xgboost')

内容的提问来源于stack exchange，提问作者narsan