最近在維護xgboost二分類算子，經過現場客戶反饋的問題，模型在評估推理的時候，結果很不理想，實際測試確實模型預測全為1
一開始以為是數據不均勻導致的預測效果差，也嘗試了分布均衡的數據以及網格搜索模型參數調參，結果還是同樣的效果，問題沒出現在這里
接着經過debug后，發現
模型在fit的時候，特征列經過一些列操作，變成了倒序的
傳入的順序是這樣的
--features_col=c_user_id,c_column_1,c_column_2,c_column_3,c_column_4,c_column_5,c_column_6,c_column_7,c_column_8,c_column_9,c_column_10,c_column_11,c_column_12,c_column_13,c_column_14,c_column_15,c_column_16,c_column_17,c_column_18,c_column_19,c_column_20,c_column_21,c_column_22,c_column_23,c_column_24,c_column_25,c_column_26,c_column_27,c_column_28,c_column_29,c_column_30
經過一頓操作變成了這樣
也就是說model在fit的數據是上面的數據，而在預測predict的時候特征列完全相反，經過嘗試，這樣會導致預測全為1或全為0，導致模型泛化效果差