Machine learning 将错误获取为DataFrame.d数据类型必须为int、float、bool或category

XGBOOST中的完全错误为

ValueError: DataFrame.dtypes for data must be int, float, bool or categorical.  When
                categorical type is supplied, DMatrix parameter
                `enable_categorical` must be set to `True`.Year

数据是

<class 'pandas.core.frame.DataFrame'>
Int64Index: 50327 entries, 0 to 50326
Data columns (total 4 columns):
 #   Column  Non-Null Count  Dtype         
---  ------  --------------  -----         
 0   C_Id    50327 non-null  int8          
 1   Year    50327 non-null  datetime64[ns]
 2   value   50327 non-null  float64       
 3   R_Id    50327 non-null  int8          
dtypes: datetime64[ns](1), float64(1), int8(2)
memory usage: 2.3 MB

我哪里错了，如果你需要什么，请问我 谢谢你的帮助

编辑： 我将年份类型转换为字符串，然后转换为int

但结果是这样的,

[461]   validation_0-rmse:8791.25293
[462]   validation_0-rmse:8791.08789

---

您在

X\u列车

和

X\u测试

中的变量

Year

是一个日期。它不是“int、float、bool或categorical”。是的，那么，如何继续@DavidM。？如果

Year

不是预测值，您可以删除它。相反，如果

C_Id

和

R_Id

不是预测因子，则应删除它们并执行。如果你想保留所有的协变量，你需要使用XGBoost和多变量输入（见上一链接）。好的，C_id和R_id是作物id和区域id，所以我认为它们会起到重要作用。你的变量

X_train

中的

Year

和

X_test

是一个日期。它不是“int、float、bool或categorical”。是的，那么，如何继续@DavidM。？如果

Year

不是预测值，您可以删除它。相反，如果

C_Id

和

R_Id

不是预测因子，则应删除它们并执行。如果你想保留所有的协变量，你需要使用XGBoost和多变量输入（见上一个链接）。好的，C_id和R_id是作物id和区域id，所以我认为它们将发挥重要作用。

model = XGBRegressor(
    max_depth = 8,n_estimators=1000,
    min_child_weight=300,colsample_bytree=0.8,
    subsample=0.8,eta=0.3,seed=42)

model.fit(X_train,Y_train,eval_metric="rmse",eval_set=[(X_train,Y_train)],
         verbose =True,early_stopping_rounds=10)

[461]   validation_0-rmse:8791.25293
[462]   validation_0-rmse:8791.08789