使用 Scikit 学习时出现 ValueError。模型的特征数与输入的特征数不匹配

Question

我正在使用 RandomForestClassifier 解决分类问题。在代码中，我将数据集拆分为训练数据和测试数据以进行预测。

代码如下：

from sklearn.ensemble import RandomForestClassifier
from sklearn.cross_validation import train_test_split
import numpy as np
from numpy import genfromtxt, savetxt

a = (np.genfromtxt(open('filepath.csv','r'), delimiter=',', dtype='int')[1:])
a_train, a_test = train_test_split(a, test_size=0.33, random_state=0)


def main():
    target = [x[0] for x in a_train]
    train = [x[1:] for x in a_train]

    rf = RandomForestClassifier(n_estimators=100)
    rf.fit(train, target)
    predicted_probs = [[index + 1, x[1]] for index, x in enumerate(rf.predict_proba(a_test))]

    savetxt('filepath.csv', predicted_probs, delimiter=',', fmt='%d,%f', 
            header='Id,PredictedProbability', comments = '')

if __name__=="__main__":
    main()

然而，在执行时，我收到以下错误：

ValueError：模型的特征数量必须与输入匹配。 模型 n_features 为 1434，输入 n_features 为 1435

关于我应该如何进行的任何建议？谢谢。

Answer 1

看起来你是在直接使用a_test，没有去掉输出功能。

该模型很困惑，因为它只需要 1434 个输入特征，但您将 1434 个特征与输出特征一起提供给它。

您可以通过对 test 执行与 train 相同的操作来解决此问题。

test = [x[1:] for x in a_test]

然后在下面一行使用test：

predicted_probs = [[index + 1, x[1]] for index, x in enumerate(rf.predict_proba(test))]