XGBoost运行报typestr格式校验错误，该错误的含义是什么

建模流程代码 #

• 特征集定义：

X = df[df.columns.drop("month_5_still_here")]

• 目标变量定义：

y = df["month_5_still_here"]

• 拆分数据集为训练集与测试集：

x_train, x_test, y_train, y_test = train_test_split(X,
                                                    y,
                                                    test_size = 0.5,
                                                    random_state = 12)

• 实例化XGBClassifier分类器：

xg_cl = xgb.XGBClassifier(n_estimators = 10, objective = "binary:logistic")

• 拟合训练集：

xg_cl.fit(x_train, y_train)

• 预测测试集标签：

y_pred = xg_cl.predict(x_test)

• 对比真实值与预测值：

pd.DataFrame({"Actual": y_test, "Predicted": y_pred})

触发的报错信息 #

XGBoostError: [16:42:58] c:\users\administrator\workspace\xgboost-win64_release_1.4.0\src\data\array_interface.h:139: Check failed: typestr.size() == 3 (2 vs. 3) : `typestr' should be of format <endian><type><size of type in bytes>.

报错具体含义 #

该错误是XGBoost解析输入数据的内存结构时触发的硬性校验失败：

• XGBoost要求输入的数组（由pandas DataFrame转换生成）的numpy类型描述符typestr必须为3位字符，格式为「字节序标识 + 数据类型标识 + 单元素字节长度」
• 本次运行中XGBoost拿到的typestr仅为2位，不符合格式要求，因此抛出异常

常见触发原因 #

• 特征集中存在非原生数值类型的列，比如category类型、object类型、布尔类型未做编码转换
• 低版本pandas与XGBoost 1.4.0存在兼容性问题，pandas输出的数组类型描述符格式不满足XGBoost的校验规则
• 数据存在未处理的缺失值、自定义扩展dtype等非常规数据结构

解决步骤 #

• 先将所有特征列转换为XGBoost兼容的标准数值类型：

for col in x_train.columns:
    x_train[col] = x_train[col].astype("float32")
    x_test[col] = x_test[col].astype("float32")

• 若存在类别型特征，先完成独热编码或标签编码再做类型转换：

# 独热编码示例
X = pd.get_dummies(X, drop_first=True)

• 填充所有缺失值：

# 均值填充示例
X = X.fillna(X.mean())

• 兼容性调整：可升级pandas至1.3.0以上版本，或降级XGBoost至1.3.x版本，适配双方的类型描述符规则

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