我努力让我的 XGBoost 模型根据文章的文本预测文章的参与时间。首先,我得到一个代表我从文章中提取的特征的数据框,如下所示:
article_features = pd.concat([tfidf_df, numeric_df_normalized], axis=1)
然后我训练我的模型并获得相关的正确列(特征):
with open('correct_columns') as fp:
correct_columns = pickle.load(fp)
然后我检查所有必需的功能并将它们设置为 0.0
(如果它们尚未在 article_features
中):
for col in correct_columns:
if col not in article_features.columns:
article_features[col] = 0.0
最后,我删除了从本文中提取的训练数据中不存在的特征:
for col in article_features:
if col not in correct_columns:
del article_features[col]
现在 article_features
具有正确数量的特征。我尝试运行:
model.predict(article_features)
然后我得到:
ValueError: feature_names mismatch:...
所以我四处搜索并尝试将我的数据框转换为:
model.predict(article_features.as_matrix())
但我得到了同样的错误。
然后我担心 article_features
中的列顺序与 correct_columns
中的列顺序不一样,所以我这样做了:
article_features.sort_index(axis=1, inplace=True)
但得到了同样的错误。
知道如何解决吗?
谢谢!
最佳答案
出现此问题的原因是 DMatrix..num_col()
仅返回稀疏矩阵中非零列的数量。因此,如果训练和测试数据都具有相同数量的非零列,则一切正常。否则,您最终会得到不同的特征名称列表。目前有三种解决方案可以解决此问题:
使用
重新对齐训练数据帧和测试数据帧的列名称test_df = test_df[train_df.columns]
先保存模型再加载模型
在输入模型之前将测试数据更改为数组:
use test_df.values
代替
test_df
关于python - XGBoost:特征名称不匹配,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/45425934/