Python cat增压功能具有'；训练数据中的分类类型，但'；浮动'；输入测试数据集

我正在使用catboostclassifier，我有一个训练数据集和一个验证数据集。每个数据集都有相同的5列，其中有一列名为“colC”，属于分类列（列“colC”的格式为int）。我测试了数据帧，在“colC”列中，两个数据帧的数据类型相同

当我执行下一个代码时，我得到一个错误：

val_pool = Pool(X_validation, y_validation)

estimator.fit(X_train, y_train, eval_set = val_pool, sample_weight = sample_weights, cat_features = ['colC'])

下一个错误是：

catboost/libs/data/features_layout.cpp:391: Feature #3 has 'Categorical' type in training data, but 'Float' type in test dataset #0

---

原因可能是什么？

我认为这个问题可以用

到

的方法来解决

例如：

from keras.utils import to_categorical

y_train = to_categorical(y_train, num_classes)
y_test = to_categorical(y_test, num_classes)

---

我认为这个问题可以用

to_category

方法解决

例如：

from keras.utils import to_categorical

y_train = to_categorical(y_train, num_classes)
y_test = to_categorical(y_test, num_classes)

---

您是如何分离列车/测试数据的？使用train_test_split方法？我得到了一个包含1000个元素的训练集，并使用X_validation=X_train.iloc[900:，：]提取了最后100个元素进行验证。我认为问题在于您没有使用keras

将
y_train
和
y_test
转换为\u category

方法。例如：

y\u train=keras.utils.to\u category（y\u train，num\u classes）和
y\u test=keras.utils.to\u category（y\u test，num\u classes）
。你是这样转换的吗？错误还在继续…当我尝试从estimator.fit（）中删除eval_集时，代码仍然有效。。。我的意思是，删除验证集，只让训练X和y代码工作你是如何分离训练/测试数据的？使用train_test_split方法？我得到了一个包含1000个元素的训练集，并使用X_validation=X_train.iloc[900:，：]提取了最后100个元素进行验证。我认为问题在于您没有使用keras
将
y_train
和
y_test
转换为\u category
方法。例如：
y\u train=keras.utils.to\u category（y\u train，num\u classes）和
y\u test=keras.utils.to\u category（y\u test，num\u classes）
。你是这样转换的吗？错误还在继续…当我尝试从estimator.fit（）中删除eval_集时，代码仍然有效。。。我的意思是，移除验证集，只让训练X和y代码工作是的，我将其应用于y_训练和y_验证是的，我将其应用于y_训练和y_验证