XGBoost python:输入形状错误，功能名称不匹配错误

用于预测数字是否为5的二进制分类器具有X_序列和y_序列（类似于X_测试和y_测试，如下所示）。（类似于MNIST数据集）

火车

pixel0  pixel1  pixel2  pixel3....................pixel783   
 0       1         1      0                        1         
 0       0         0      1                        1        

你的火车

 label

  1
  0

等等

基本上，X_列表示一个数字的像素。y_列表示该数字的标签，例如，如果数字为5，则标签将为1，如果数字不是5，则标签将为零

我实现XGBoost如下：

#from xgboost.xgbclassifier import XGBClassifier
from xgboost import XGBClassifier
classifier = XGBClassifier()
classifier.fit(X_train, y_train)
print('Accuracy on test set:',classifier.score(X_test,y_test))


---->print('Accuracy on test set:',classifier.score(X_test,y_test))

Error: ValueError: feature_names mismatch:

然后，为了消除功能名称不匹配，我尝试以下方法，正如许多答案中提到的那样，我应该将X_train和y_train更改为numpy数组：

X_train=train_df.drop('label', axis=1).values
X_test=train_df['label'].values
classifier.fit(X_train,X_test)

----->classifier.fit(X_train,X_test)
Error: ValueError: bad input shape (28000, 784)

我想要什么：

print('Accuracy on test set:',classifier.score(X_test,y_test))

我只想拟合XGBoost并在测试集上像这样计算其准确度分数：

print('Accuracy on test set:',classifier.score(X_test,y_test))

---

你找到解决这个问题的办法了吗？是的。。。。。。。。。。。。。。。。。。。。。。。。。。。。。