使用sk-learn进行分类：在预测时处理缺少的分类特征

Question

我的项目是我培训BaggingClassifier。由于使用的数据包含分类功能，我使用pandas框架（get_dummies）对它们进行编码。在此之后，我训练分类器。

现在我想做一个预测。它返回了这个错误：

ValueError: Number of features of the model must match the input. Model n_features is 12 and input n_features is 6.

我明白为什么会收到此错误。 模型所需的功能：12

给出预测数据集内的特征：6

由于编码，在这种情况下，训练数据集扩展到12个特征。 我用于预测的编码数据只有6个特征，因为它只是一行数据，在编码过程中根本没有传播。

此示例显示了问题：

原始训练数据集

Age| Color  
35 |'Orange'
55 |'Black' 
75 |'Red' 

pandas get_dummies：

X                              
Age| Orange | Black| Red       
35 | 1      | 0    | 0         
55 | 0      | 1    | 0         
75 | 0      | 0    | 1         

预测数据集

X
Age| Orange|       
35 | 1     |

预测的功能集并不适合模型所需的设置，因为它错过了功能＆＃34; black＆＃34;和＆＃34;红色＆＃34;。我想不出如何解决这个问题的好方法。

这是错误做法的错误吗？

Answer 1

对于此应用程序，您应该尝试sklearn.preprocessing.OneHotEncoder。它基本上与pandas中的虚拟变量相同，但是当您在训练数据上调用fit时，它会记住哪些值在哪里以及哪些列对应。如果您然后transform您的测试数据，它将创建一个具有相同数量的训练数据功能的数组。