在没有分类列时尝试拟合 XGBoost 模型时出现分类相关错误答案

【问题标题】：Getting categorical related error when trying to fit XGBoost model when there are no categorical cols在没有分类列时尝试拟合 XGBoost 模型时出现分类相关错误
【发布时间】：2022-07-12 00:19:49
【问题描述】：

我有一个包含以下列 dtype 的数据框

{Int64Dtype(), UInt8Dtype(), dtype('float64'), dtype('int64')}

当我尝试适应 xgb.XGBClassifier() 时，出现以下错误

ValueError: DataFrame.dtypes for data must be int, float, bool or category.  When
categorical type is supplied, DMatrix parameter `enable_categorical` must
be set to `True`. Invalid columns: NAME OF COLS THAT ARE UINT TYPE

【问题讨论】：

标签： python machine-learning xgboost

【解决方案1】：

这是触发警告的代码：

def _invalid_dataframe_dtype(data: DataType) -> None:
    # pandas series has `dtypes` but it's just a single object
    # cudf series doesn't have `dtypes`.
    if hasattr(data, "dtypes") and hasattr(data.dtypes, "__iter__"):
        bad_fields = [
            str(data.columns[i])
            for i, dtype in enumerate(data.dtypes)
            if dtype.name not in _pandas_dtype_mapper
        ]
        err = " Invalid columns:" + ", ".join(bad_fields)
    else:
        err = ""

    type_err = "DataFrame.dtypes for data must be int, float, bool or category."
    msg = f"""{type_err} {_ENABLE_CAT_ERR} {err}"""
    raise ValueError(msg)

(Source.)

它引用另一个变量_pandas_dtype_mapper，用于决定如何匹配每种数据类型。这是它的定义方式：

_pandas_dtype_mapper = {
    'int8': 'int',
    'int16': 'int',
    'int32': 'int',
    'int64': 'int',
    'uint8': 'int',
    'uint16': 'int',
    'uint32': 'int',
    'uint64': 'int',
    'float16': 'float',
    'float32': 'float',
    'float64': 'float',
    'bool': 'i',
    # nullable types
    "Int16": "int",
    "Int32": "int",
    "Int64": "int",
    "boolean": "i",
}

(Source.)

所以，我们在这里找到了问题所在。它支持 uint 数据类型。它支持可为空的数据类型。但它似乎不支持可为空的 uint 数据类型。

这提出了两种可能的解决方法：

使用 int 代替 uint。
在该列中填写您的空值，并将该列转换为不可为空的数据类型。

【讨论】：