为什么 XGBRegressor 会出现特征不匹配的预测警告？答案

【问题标题】：Why is XGBRegressor prediction warning of feature mismatch?为什么 XGBRegressor 会出现特征不匹配的预测警告？
【发布时间】：2019-02-23 04:45:56
【问题描述】：

我想使用 XGBRegressor 来预测一些数据。所以我加载了训练数据和测试数据。

iowa_file_path = '../input/train.csv'
test_data_path = '../input/test.csv'

data = pd.read_csv(iowa_file_path)
test_data = pd.read_csv(test_data_path)

数据内容

test_data的内容

然后我做一些数据清理

data.dropna(axis=0, subset=['SalePrice'], inplace=True)
y = data.SalePrice
X = data.drop(['SalePrice'], axis=1).select_dtypes(exclude=['object'])

train_X, val_X, train_y, val_y = train_test_split(X.values, y.values, test_size =0.25)
my_imputer = SimpleImputer()
train_X = my_imputer.fit_transform(train_X)
val_X = my_imputer.transform(val_X)

my_model = XGBRegressor(n_estimators=100, learning_rate=0.1)
my_model.fit(train_X, train_y, early_stopping_rounds=None, 
    eval_set=[(val_X, val_y)], verbose=False)

test_data_process = test_data.select_dtypes(exclude=['object'])
predictions = my_model.predict(test_data_process)

但我在运行predict 函数时收到以下错误消息：

ValueError Traceback（最近一次调用最后一次）在（） 1 test_data_process = test_data.select_dtypes(exclude=['object']) ----> 2 个预测 = my_model.predict(test_data_process)

/opt/conda/lib/python3.6/site-packages/xgboost-0.80-py3.6.egg/xgboost/sklearn.py in predict(self, data, output_margin, ntree_limit, validate_features) 第395章第396章 --> 397 验证功能=验证功能） 398 399 def apply(self, X, ntree_limit=0):

/opt/conda/lib/python3.6/site-packages/xgboost-0.80-py3.6.egg/xgboost/core.py in predict(self, data, output_margin, ntree_limit, pred_leaf, pred_contribs, approx_contribs, pred_interactions, validate_features) 1206 1207 如果 validate_features： -> 1208 self._validate_features（数据） 1209 1210 长度 = c_bst_ulong()

/opt/conda/lib/python3.6/site-packages/xgboost-0.80-py3.6.egg/xgboost/core.py in _validate_features(self, data) 1508 第1509章 -> 1510 数据.feature_names)) 1511 1512 def get_split_value_histogram(self, feature, fmap='', bins=None, as_pandas=True)：

ValueError: feature_names mismatch: ['f0', 'f1', 'f2', 'f3', 'f4', 'f5', 'f6', 'f7', 'f8', 'f9', ' f10'，'f11'，'f12'，'f13'，'f14'，'f15'，'f16'，'f17'，'f18'，'f19'，'f20'，'f21'，'f22' ，'f23'，'f24'，'f25'，'f26'，'f27'，'f28'，'f29'，'f30'，'f31'，'f32'，'f33'，'f34'，' f35'，'f36'] ['Id'，'MSSubClass'，'LotFrontage'，'LotArea'，'OverallQual'，'OverallCond'，'YearBuilt'，'YearRemodAdd'，'MasVnrArea'，'BsmtFinSF1'，'BsmtFinSF2 '，'BsmtUnfSF'，'TotalBsmtSF'，'1stFlrSF'，'2ndFlrSF'，'LowQualFinSF'，'GrLivArea'，'BsmtFullBath'，'BsmtHalfBath'，'FullBath'，'HalfBath'，'BedroomAbvGr'，'KitchenAbvGr'， “TotRmsAbvGrd”、“壁炉”、“GarageYrBlt”、“GarageCars”、“GarageArea”、“WoodDeckSF”、“OpenPorchSF”、“EnclosedPorch”、“3SsnPorch”、“ScreenPorch”、“PoolArea”、“MiscVal”、“MoSold” ', 'YrSold'] 预期 f9、f6、f14、f27、f18、f7、f8、f23、f17、f22、f35、f0、f28、f29、f20、f31、f36、f25、f11、f21、f12、f24、f34、f10、f5 , f32, f15, f26, f30, f1, f2, f16, f19, f3, f4, f33, f13 在输入数据中训练数据没有以下字段：BsmtUnfSF、1stFlrSF、LowQualFinSF、MSSubClass、WoodDeckSF、GrLivArea、MiscVal、YearBuilt、BsmtFinSF1、Fireplaces、MoSold、BsmtHalfBath、GarageYrBlt、FullBath、PoolArea、YrSold、HalfBath、2ndFlrSF、KitchenAbvGr、OverallQual、Id , EnclosedPorch, ScreenPorch, GarageArea, BsmtFullBath, MasVnrArea, TotRmsAbvGrd,OverallCond, BedroomAbvGr, GarageCars, OpenPorchSF, YearRemodAdd, TotalBsmtSF, BsmtFinSF2, LotFrontage, 3SsnPorch, LotArea

它抱怨功能不匹配，并且我在训练数据中没有这些字段。但是当我检查data 的内容时，它有那些列。如何解决？

【问题讨论】：

你没有在测试数据上使用过 SimpleImputer。那里有没有数据丢失？你也可以看看github.com/dmlc/xgboost/issues/2334
是的，你是对的。我刚刚运行了 SimpleImputer，现在它可以工作了。谢谢，

标签： python nan xgboost imputation

【解决方案1】：

只是为了结束这个问题：

问题是SimpleImputer 用于训练和验证数据，但未用于测试数据。

可以在此处找到可能导致此类错误的讨论：https://github.com/dmlc/xgboost/issues/2334#issuecomment-333195491

【讨论】：