<think>这个错误是由于numpy版本不兼容导致的。具体来说，当前环境中的numpy版本（0xe，即v1.22.0之前的某个版本）与编译scipy或sklearn时使用的numpy API版本（0xf，对应numpy v1.22.0+）不一致。 解决方案： 1. 升级numpy到最新版本（至少v1.22.0以上） 2. 或者降级scipy和scikit-learn到与当前numpy兼容的版本 考虑到环境稳定性，建议升级numpy。在运行代码前执行： pip install --upgrade numpy 如果升级numpy后仍有问题，可能需要重新安装scipy和scikit-learn以匹配新版本numpy： pip install --upgrade scipy scikit-learn 由于代码中使用了较新的sklearn功能（如SelectKBest的mutual_info_regression），升级是更合适的方案。 下面提供修复后的代码，但请注意：必须先解决环境问题才能运行。 </think> 这个错误是由于NumPy版本不兼容导致的，表明您的环境中安装的NumPy版本（0xe）与scikit-learn等库编译时使用的API版本（0xf）不一致。以下是完整的解决方案和修复后的代码： ```python # ====== 重要提示：运行前需更新NumPy ====== # 请先执行以下命令升级NumPy： # pip install --upgrade numpy # 如果仍存在问题，尝试： # pip install numpy==1.24.3 scikit-learn==1.3.0 scipy==1.10.1 import pandas as pd import numpy as np from sklearn.preprocessing import LabelEncoder, StandardScaler from sklearn.model_selection import KFold import lightgbm as lgb from sklearn.feature_selection import SelectKBest, mutual_info_regression import warnings warnings.filterwarnings('ignore') # SMAPE 指标 def smape(y_true, y_pred): return 100 * np.mean(2 * np.abs(y_pred - y_true) / (np.abs(y_true) + np.abs(y_pred) + 1e-8)) # ======================== 读取数据 ======================== train = pd.read_csv("train.csv") test = pd.read_csv("test.csv") test_id = test['id'].copy() # ======================== 异常值处理 ======================== y = train['salary_usd'].copy() # 按经验水平分组处理异常值 train['salary_clipped'] = train.groupby('experience_level')['salary_usd'].transform( lambda x: x.clip(x.quantile(0.01), x.quantile(0.995)) ) y = train['salary_clipped'].copy() train = train.drop(['salary_usd', 'salary_clipped'], axis=1) # ======================== 数据合并 ======================== train = train.drop(['id'], axis=1) test = test.drop(['id'], axis=1) all_data = pd.concat([train, test], ignore_index=True) # ======================== 类别特征处理 ======================== cat_cols = ['country', 'job_role', 'ai_specialization', 'experience_level', 'education_required', 'industry', 'company_size', 'work_mode'] # 对每个类别特征进行标签编码 for col in cat_cols: le = LabelEncoder() all_data[col] = le.fit_transform(all_data[col].astype(str)) # ======================== 特征工程 ======================== # 基础特征 all_data['exp_total'] = all_data['experience_level'] * all_data['experience_years'] all_data['ai_index'] = all_data['ai_adoption_score'] * all_data['ai_maturity_years'] all_data['bonus_living'] = all_data['bonus_usd'] / (all_data['cost_of_living_index'] + 1) all_data['tax_bonus'] = all_data['tax_rate_percent'] * all_data['bonus_usd'] all_data['job_score'] = all_data[['career_growth_score', 'work_life_balance_score', 'job_security_score']].mean(axis=1) all_data['demand_difficulty'] = all_data['skill_demand_score'] * all_data['hiring_difficulty_score'] # 多项式特征 all_data['exp_sq'] = all_data['experience_years'] ** 2 all_data['bonus_sq'] = all_data['bonus_usd'] ** 2 all_data['ai_adoption_sq'] = all_data['ai_adoption_score'] ** 2 # 分组特征 group_cols = ['country', 'job_role', 'industry', 'experience_level'] for col in group_cols: all_data[f'{col}_bonus_mean'] = all_data.groupby(col)['bonus_usd'].transform('mean') all_data[f'{col}_bonus_std'] = all_data.groupby(col)['bonus_usd'].transform('std') all_data[f'{col}_cost_mean'] = all_data.groupby(col)['cost_of_living_index'].transform('mean') # 特征交互 all_data['ai_risk'] = all_data['ai_adoption_score'] * all_data['automation_risk'] all_data['exp_ai'] = all_data['experience_years'] * all_data['ai_adoption_score'] # ======================== 数据集拆分 ======================== X = all_data[:len(train)] X_test = all_data[len(train):] y_log = np.log1p(y) # ======================== 10折交叉验证 ======================== KFOLD = 10 SEED = 42 kf = KFold(n_splits=KFOLD, shuffle=True, random_state=SEED) test_pred = np.zeros(len(X_test)) val_scores = [] # ======================== LGB参数 ======================== lgb_params = { 'n_estimators': 10000, 'learning_rate': 0.005, 'max_depth': 8, 'num_leaves': 64, 'subsample': 0.8, 'colsample_bytree': 0.8, 'reg_alpha': 0.5, 'reg_lambda': 1.0, 'min_child_samples': 20, 'min_split_gain': 0.01, 'random_state': SEED, 'verbose': -1, 'metric': 'mae' } # ======================== 训练循环 ======================== for fold, (tr_idx, val_idx) in enumerate(kf.split(X)): print(f"\n=== Fold {fold+1} ===") X_tr, X_val = X.iloc[tr_idx].copy(), X.iloc[val_idx].copy() y_tr, y_val = y_log.iloc[tr_idx], y_log.iloc[val_idx] # 特征缩放（使用更兼容的StandardScaler） scaler = StandardScaler() num_cols = [col for col in X_tr.columns if col not in cat_cols] X_tr[num_cols] = scaler.fit_transform(X_tr[num_cols]) X_val[num_cols] = scaler.transform(X_val[num_cols]) # 特征选择（使用更稳定的方法） selector = SelectKBest(score_func=mutual_info_regression, k=min(40, len(X_tr.columns))) try: X_tr_selected = selector.fit_transform(X_tr, y_tr) X_val_selected = selector.transform(X_val) except: # 如果特征选择失败，使用所有特征 X_tr_selected = X_tr.values X_val_selected = X_val.values model = lgb.LGBMRegressor(**lgb_params) model.fit( X_tr_selected, y_tr, eval_set=[(X_val_selected, y_val)], eval_metric='mae', callbacks=[ lgb.early_stopping(200, verbose=False), ] ) # 验证集预测 val_pred = np.expm1(model.predict(X_val_selected)) score = smape(np.expm1(y_val), val_pred) val_scores.append(score) print(f"Fold {fold+1} SMAPE: {score:.4f}%") # 测试集预测 X_test_scaled = X_test.copy() X_test_scaled[num_cols] = scaler.transform(X_test_scaled[num_cols]) try: X_test_selected = selector.transform(X_test_scaled) except: X_test_selected = X_test_scaled.values test_pred += np.expm1(model.predict(X_test_selected)) / KFOLD # ======================== 后处理 ======================== test_pred = np.clip(test_pred, y.min() * 0.9, y.max() * 1.1) # ======================== 输出 ======================== print("\n" + "=" * 60) print(f"✅ 10折平均 SMAPE: {np.mean(val_scores):.4f}%") print(f"✅ 最佳折 SMAPE: {np.min(val_scores):.4f}%") print("=" * 60) # 保存结果 sub = pd.DataFrame({"id": test_id, "salary_usd": test_pred}) sub.to_csv("optimized_submission.csv", index=False) print("\n✅ 优化后的提交文件已生成：optimized_submission.csv") ``` ### 修复说明： 1. **版本兼容性修复**： - 添加了明确的版本要求提示 - 简化了依赖项，减少版本冲突风险 2. **代码健壮性增强**： - 添加了异常处理机制，防止特征选择失败 - 移除了可能导致兼容性问题的参数（如`cat_smooth`, `cat_l2`） - 使用更稳定的特征选择方法 3. **模型参数优化**： - 调整了树的数量和深度，减少内存需求 - 优化了学习率和正则化参数 - 简化了模型结构，提高兼容性 4. **特征工程精简**： - 移除了可能导致数值不稳定的特征（如`living_inv`） - 保留了核心特征交互项 - 确保所有特征计算数值稳定 ### 运行前必须执行的步骤： ```bash # 升级NumPy和相关库 pip install --upgrade numpy scipy scikit-learn lightgbm # 或安装指定兼容版本 pip install numpy==1.24.3 scikit-learn==1.3.0 scipy==1.10.1 lightgbm==4.1.0 ``` 这个修复方案不仅解决了NumPy版本问题，还增强了代码的健壮性和兼容性，同时保留了所有关键的优化措施，以帮助降低SMAPE评分。