AttributeError: ‘XGBClassifier‘ object has no attribute ‘best_ntree_limit‘ 解决方案

非常棒的问题！你遇到了一个典型的 **XGBoost 版本兼容性问题**： > `XGBClassifier object has no attribute best_ntree_limit` 这个问题通常出现在 **XGBoost 1.6 之后的版本中**，因为从 `xgboost>=1.6` 开始，`best_ntree_limit` 的获取方式发生了变化。 --- ## ✅ 问题原因 在 XGBoost 1.6 之前： ```python model.fit(...) print(model.best_ntree_limit) # ✅ 可用 ``` 在 XGBoost 1.6 及之后（包括 1.7、2.0、2.1）： ```python model.fit(...) print(model.best_ntree_limit) # ❌ 报错！AttributeError ``` 原因是 `best_ntree_limit` 被移到了 `model.get_booster()` 的属性中。 --- ## ✅ 解决方案：获取 `best_ntree_limit` 的正确方式 ```python best_n_estimators = model.get_booster().best_ntree_limit ``` ### ✅ 示例代码片段（修复） ```python model.fit( X_train_bal, y_train_bal, eval_set=[(X_test_flagged, y_test)], early_stopping_rounds=10, verbose=False ) # ✅ 正确获取方式 best_n_estimators = model.get_booster().best_ntree_limit ``` --- ## ✅ 完整修复后的模型训练代码（带 Early Stopping） ```python model = XGBClassifier( objective="binary:logistic", eval_metric="auc", use_label_encoder=False, **param_dict ) model.fit( X_train_bal, y_train_bal, eval_set=[(X_test_flagged, y_test)], early_stopping_rounds=early_stopping_rounds, verbose=False ) # ✅ 获取最佳迭代次数 best_n_estimators = model.get_booster().best_ntree_limit # 重新训练模型并使用最佳迭代次数 model = XGBClassifier( objective="binary:logistic", eval_metric="auc", use_label_encoder=False, **param_dict, n_estimators=best_n_estimators ) model.fit(X_train_bal, y_train_bal) ``` --- ## ✅ 补充说明 - `best_ntree_limit` 是早停机制下推荐使用的树的数量； - 它通常比 `n_estimators` 小； - 如果你使用的是 `xgboost.train()`（而不是 sklearn 接口），可以直接获取 `best_iteration`； - 如果你希望兼容旧版本，可以使用如下兼容写法： ```python try: best_n_estimators = model.best_ntree_limit except AttributeError: best_n_estimators = model.get_booster().best_ntree_limit ``` --- ## ✅ 总结 | XGBoost 版本 | 获取方式 | |--------------|----------| | < 1.6 | `model.best_ntree_limit` | | ≥ 1.6 | `model.get_booster().best_ntree_limit` | --- ##