Python 的 Xgoost：ValueError('feature_names may not contain [, ] or <')

Question

Python 的 XGBClassifier does not accept 字符 [, ] or <' 作为特征名称的实现。

如果发生这种情况，它会引发以下内容：

ValueError('feature_names may not contain [, ] or <')

似乎显而易见的解决方案是传递等效的 numpy 数组，并完全删除列名，但如果他们没有这样做，那一定是有原因的。

XGBoost 对特征名称有什么用，简单地传递 Numpy 数组而不是 Pandas DataFrames 的缺点是什么？

Answer 1

我知道现在已经晚了，但在这里为可能遇到此问题的其他人写下这个答案。这是我遇到这个问题后发现的：如果您的列名称具有符号 [ or ] or <，通常会发生此错误。这是一个例子：

import pandas as pd
import numpy as np
from xgboost.sklearn import XGBRegressor

# test input data with string, int, and symbol-included columns 
df = pd.DataFrame({'0': np.random.randint(0, 2, size=100),
                   '[test1]': np.random.uniform(0, 1, size=100),
                   'test2': np.random.uniform(0, 1, size=100),
                  3: np.random.uniform(0, 1, size=100)})

target = df.iloc[:, 0]
predictors = df.iloc[:, 1:]

# basic xgb model
xgb0 = XGBRegressor(objective= 'reg:linear')
xgb0.fit(predictors, target)

上面的代码会抛出一个错误：

ValueError: feature_names may not contain [, ] or <

但是，如果您从 '[test1]' 中删除那些方括号，那么它就可以正常工作。下面是从列名称中删除 [, ] or < 的通用方法：

import re
import pandas as pd
import numpy as np
from xgboost.sklearn import XGBRegressor
regex = re.compile(r"\[|\]|<", re.IGNORECASE)

# test input data with string, int, and symbol-included columns 
df = pd.DataFrame({'0': np.random.randint(0, 2, size=100),
                   '[test1]': np.random.uniform(0, 1, size=100),
                   'test2': np.random.uniform(0, 1, size=100),
                  3: np.random.uniform(0, 1, size=100)})

df.columns = [regex.sub("_", col) if any(x in str(col) for x in set(('[', ']', '<'))) else col for col in df.columns.values]

target = df.iloc[:, 0]
predictors = df.iloc[:, 1:]

# basic xgb model
xgb0 = XGBRegressor(objective= 'reg:linear')
xgb0.fit(predictors, target)

有关更多信息，请阅读 xgboost core.py 中的代码行： xgboost/core.py。那是抛出错误的检查失败。

Answer 2

这是另一个正则表达式解决方案。

import re

regex = re.compile(r"\[|\]|<", re.IGNORECASE)

X_train.columns = [regex.sub("_", col) if any(x in str(col) for x in set(('[', ']', '<'))) else col for col in X_train.columns.values]

Answer 3

另一种解决方案：

X.columns = X.columns.str.translate("".maketrans({"[":"{", "]":"}","<":"^"}))

如果您有兴趣了解哪些是罪魁祸首：

X.columns[X.columns.str.contains("[\[\]<]")]

Python 的 Xgoost：ValueError('feature_names may not contain [, ] or <')

Python's Xgoost: ValueError('feature_names may not contain [, ] or <')

python

pandas

numpy

scikit-learn

xgboost

这是另一个正则表达式解决方案。