使用CalibratedClassifierCV校准XGBClassifier输出概率时出现predict_proba参数TypeError报错

该错误本质是scikit-learn与xgboost库的版本接口约定不匹配导致的调用冲突，和你编写的概率校准逻辑本身无关：

• 从scikit-learn 1.2版本开始，CalibratedClassifierCV对所有基评估器的内部调用逻辑做了统一规范改造，强制使用关键字参数形式传递输入数据，即调用基分类器的predict_proba方法时，会执行类似base_clf.predict_proba(X=eval_data)的调用代码。
• 你当前环境安装的xgboost版本滞后于已安装的scikit-learn版本，这类旧版本封装的XGBClassifier类，其predict_proba方法的首位置形参定义为data而非X，仅支持位置参数传值，根本没有预留名为X的形参入口，接收到X=形式的入参时，就会直接抛出“存在未预期关键字参数X”的TypeError。

• 社区普遍提到的“XGBClassifier可直接接入CalibratedClassifierCV完成概率校准”的结论，是基于两边库版本配套适配的前提成立的：
  • 当xgboost版本升级到适配sklearn接口规范的版本后，XGBClassifier的predict_proba方法已经将首位置形参名调整为X，完全匹配校准器的调用逻辑，接收到X=形式的关键字传参时可以正常执行，不会触发报错。
  • 只有单独升级scikit-learn但未同步匹配升级xgboost，或是使用多年前的老旧版本xgboost搭配新版本sklearn时，才会出现这种接口错位问题。
• 你在初始化XGBClassifier时同时传入eta=0.3和learning_rate=0.05属于冗余写法（二者是同一参数的别名定义），但这部分内容不会触发当前报错，不属于问题来源。

内容的提问来源于stack exchange，提问作者Redratz