xgboost-我预测测试数据时功能不匹配

Question

我正在使用xgboost训练一些数据，然后我想在测试集中对其评分。 我的数据是分类变量和数字变量的组合，因此我使用pd.get_dummies来虚拟所有分类变量。训练很好，但是当我在测试集上对模型评分时就会出现问题。

我收到“ feature_names_mismatch”错误，并且列出了缺少的列。我的数据集已经是矩阵（numpy数组格式）。

功能名称不匹配是有效的，因为测试集中可能没有某些虚拟类别。因此，如果发生这种情况，该模型是否仍然可以工作？

Answer 1

如果我正确理解了您的问题；您有一些分类值出现在训练集中，但没有出现在测试集中。当您分别创建虚拟变量（使用一种热编码等转换分类特征）以进行训练和测试时，而不是在整个数据集中执行此操作时，通常会发生这种情况。以下代码可以提供帮助

  for col in featurs_object:
      X[col]=pd.Categorical(X[col],categories=df[col].dropna().unique())
      X_col = pd.get_dummies(X[col])
      X = X.drop(col,axis=1)
      X_col.columns = X_col.columns.tolist()
      frames = [X_col, X] 
      X = pd.concat(frames,axis=1)
  X = pd.concat([X,df_continous],axis=1)
  X_train, X_test, y_train, y_test = train_test_split(X, y,  
                                                    test_size = 0.3,  
                                                    random_state = 1)

• featurs_object ：由要包含在模型构建中的所有类别列组成。
• df ：您的整个数据集（清理后）
• df_continous ：df的子集，仅具有连续功能。