XGBRegressor预测功能不匹配

Question

我想使用XGBRegressor预测一些数据。因此，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

然后我进行一些数据清理

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)

但是在运行predict函数时收到以下错误消息：

  

---

     

ValueError跟踪（最近一次通话最近）    在（）中         1个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在predict（自身，数据，output_margin，ntree_limit，validate_features）中       395 output_margin = output_margin，       396 ntree_limit = ntree_limit，   -> 397 validate_features = validate_features）       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在predict（self，data，output_margin，ntree_limit，pred_leaf，pred_contribs，about_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      1509 Value Value Error ms ms   -> 1510 data.feature_names））      1511      1512 def get_split_value_histogram（self，feature，fmap =''，bins = None，as_pandas = True）：

     

ValueError：feature_names不匹配：['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 'TotRmsAbvGrd'，'壁炉'，'GarageYrBlt'，'GarageCars'，'GarageArea'，'WoodDeckSF'，'OpenPorchSF'，'EnclosedPorch'，'3SsnPorch'，'ScreenPorch'，'PoolArea'，'MiscVal'，'Mo '，'YrSold']   预期的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   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，YrSoldblow，FloatAqual，YrSold， ，封闭式门廊，屏幕门廊，车库区，BsmtFullBath，MasVnrArea，TotRmsAbvGrd，TotalCond，BedroomAbvGr，车库车，OpenPorchSF，YearRemodAdd，TotalBsmtSF，BsmtFinSF2，LotFrontage，3AsnPorch，

它抱怨功能不匹配，并且训练数据中没有这些字段。但是，当我检查data的内容时，它具有这些列。如何解决？

Answer 1

只需结束这个问题即可：

问题是SimpleImputer用于训练和验证数据，而不用于测试数据。

有关导致这种错误的原因的讨论可以在这里找到：https://github.com/dmlc/xgboost/issues/2334#issuecomment-333195491