在使用 XGBoost 进行机器学习模型训练和部署时，可能会遇到控制台警告信息，尤其是当模型在不同版本的 XGBoost 之间加载时。虽然这些警告通常不会影响代码的运行，但对于强迫症患者来说，这些警告信息可能会让人感到不适。本文将详细介绍如何解决 XGBoost 控制台警告问题，并分享我在尝试多种方法后，最终通过 xgb.set_config(verbosity=0) 成功解决问题的经验。
问题描述
当你在加载一个通过旧版本 XGBoost 保存的模型时，可能会看到以下警告信息：
[11:31:55] WARNING: C:\buildkite-agent\builds\buildkite-windows-cpu-autoscaling-group-i-0fdc6d574b9c0d168-1\xgboost\xgboost-ci-windows\src\learner.cc:553:
If you are loading a serialized model (like pickle in Python, RDS in R) generated by
older XGBoost, please export the model by calling Booster.save_model from that version
first, then load it back in current version. See:
https://xgboost.readthedocs.io/en/latest/tutorials/saving_model.html
for more details about differences between saving model and serializing.这个警告信息的意思是，如果你正在加载一个通过旧版本 XGBoost 序列化的模型（例如使用 pickle 保存的模型），建议你使用旧版本的 Booster.save_model 方法重新保存模型，然后再用当前版本加载。这样可以避免版本不一致导致的潜在问题。
我的尝试与解决方案
作为一个强迫症患者，我尝试了多种方法来解决这个警告问题，最终发现只有 xgb.set_config(verbosity=0) 能够完美地屏蔽这些警告信息。以下是详细的尝试过程和最终解决方案。
方法 1：统一版本并重新保存模型
尝试过程：
-
我首先尝试了统一 XGBoost 的版本，并使用
Booster.save_model方法重新保存模型。 -
虽然这个方法理论上是最彻底的解决方案，但由于项目环境和依赖的限制，我无法轻易切换 XGBoost 版本。
结果：
-
由于环境限制，这个方法在实际操作中并不方便。
方法 2：使用 warnings 模块忽略特定警告
尝试过程：
-
我尝试使用 Python 的
warnings模块来忽略特定警告信息。 -
代码如下：
import warnings
import xgboost as xgb
# 忽略特定警告
warnings.filterwarnings("ignore", category=UserWarning, message=".*If you are loading a serialized model.*")
# 加载模型
with open('your_model.pkl', 'rb') as f:
model = pickle.load(f)结果：
-
无法屏蔽。
方法 3：重定向标准错误输出
尝试过程：
-
我尝试通过重定向标准错误输出来屏蔽警告信息。
-
代码如下:
import os
import sys
import xgboost as xgb
# 重定向标准错误输出，屏蔽警告
sys.stderr = open(os.devnull, 'w')
# 加载模型
with open('your_model.pkl', 'rb') as f:
model = pickle.load(f)结果：
-
无法屏蔽。
方法 4：设置 XGBoost 的日志级别
尝试过程：
-
最后，我尝试了设置 XGBoost 的日志级别来屏蔽警告信息。
-
代码如下：
import xgboost as xgb # 设置日志级别为 0，屏蔽所有警告信息 xgb.set_config(verbosity=0) # 加载模型 with open('your_model.pkl', 'rb') as f: model = pickle.load(f)
结果：
-
这个方法完美地屏蔽了所有警告信息，且不会影响其他错误信息的输出。
最终解决方案
经过多次尝试，我发现 xgb.set_config(verbosity=0) 是最简单且有效的解决方案。它不仅可以屏蔽版本不一致的警告信息，还不会影响其他错误信息的输出。