如何使用 CatBoost 对单个样本进行预测？答案

【问题标题】：Ho to make a prediction for a single sample with CatBoost?如何使用 CatBoost 对单个样本进行预测？
【发布时间】：2019-12-04 21:46:29
【问题描述】：

所以我用一些包含一些分类变量的数据训练了一个 CatBoost 分类器模型；问题是我想对单个样本进行预测，但总是出错；像这样：

# X is a dataframe with 23 vars, 14 of which are categorical
model.predict(X.loc[1])  # This gives the error below

CatBoostError: Invalid cat_features[1] = 1 value: index must be < 1.


# I've tried reshaping the series but this raises another error
model.predict(X.loc[1].values.reshape(1, -1)) # This form works with LightGBM

CatBoostError: 'data' is numpy array of floating point numerical type, it means no categorical 
features, but 'cat_features' parameter specifies nonzero number of categorical features

但是，如果我尝试使用两个或更多样本，它会完美运行

model.predict(X.iloc[:2,:]) 

array([1., 0])

我不明白如何只做一个简单的预测，我还没有找到这方面的信息。

¿如何使用 catboost 对单个样本进行预测？

【问题讨论】：

标签： python prediction catboost

【解决方案1】：

sklearn API 就是这样工作的。您需要将集合传递给predict 方法。只需将您的样本包装在一个列表中即可。

model.predict([X.loc[1]])

【讨论】：