Python Random Forest warm_start=True在运行评分函数时给出值错误-操作数无法一起广播

我正在实现一个随机森林预测作为我的ml模型的基线。由于我的X_train_split_xgb有形状（48195300），我需要进行批量训练（内存）。为此，我使用warm_start=True设置了randomforest，但当我启用此选项时，我在rf.predict（X_train_split_xgb行）中得到一个错误，即：ValueError：操作数不能与形状一起广播（48195210）（48195187）（48195210）。如果warm_start=False，我不会收到此错误，代码也会运行。有人知道我为什么会收到此值错误以及如何修复它吗？我已经尝试了很多东西。感谢您的帮助

X_批次具有形状（1000300）

y_批次的形状为1000

xgb有形状（48195300）

y_列_分割_xgb_编码的形状为48195

我甚至不知道它是如何试图将（48195210）（48195187）（48195210）一起广播的，210和187来自哪里

from sklearn.ensemble import RandomForestClassifier

errors = []
rf = RandomForestClassifier(n_estimators=5,  
                                     random_state=0,warm_start=True)


for X_batch, y_batch in get_batches(X_train_split_xgb,        y_train_split_xgb_encoded, 1000):

        # Run training and evaluate accuracy
        rf.fit(X_batch, y_batch)# warm_start=True
        print(X_batch.shape)
        print(rf.predict(X_train_split_xgb))
        print(rf.score(X_train_split_xgb, y_train_split_xgb_encoded))
        #pred = rf.predict(X_batch)
        #errors.append(MSE(y_batch, rf.predict(X_batch)))
        rf.n_estimators += 1

错误：

预期：代码在每次迭代中运行并给出分数。

---

实际：代码在loop2中停止运行，因此，当需要第二次进行预测/评分时。在rf.predict（）中停止。

嗨，帕特里克，我遇到了完全相同的问题。你找到出路了吗？嗨，帕特里克，我遇到了完全相同的问题。你找到出路了吗？

ValueError: operands could not be broadcast together with shapes (48195,210)     (48195,187) (48195,210)