sklearn Logistic回归ValueError：每个样本X具有42个特征；期待1423

Question

我一直在努力解决问题。 这是我想要做的事情：

我想使用逻辑回归预测缺失值（Nan）（分类值）。 这是我的代码：

df_1：我的数据集仅在“ Metier”功能中缺少值（缺少我要预测的值）

X_train = pd.get_dummies(df_1[df_1['Metier'].notnull()].drop(columns='Metier'),drop_first = True)
X_test = pd.get_dummies(df_1[df_1['Metier'].isnull()].drop(columns='Metier'),drop_first = True,dummy_na = True)

Y_train = df_1[df_1['Metier'].notnull()]['Metier']
Y_test = df_1[df_1['Metier'].isnull()]['Metier']

from sklearn.linear_model import LogisticRegression
classifier = LogisticRegression(random_state = 0)

classifier.fit(X_train, Y_train)

classifier.score(X_train,Y_train) = 0.705112088833019

但是，当我尝试在Y_test上获得预测时，它说：

  

ValueError：每个样本X具有42个功能；期待1423

如果有人可以帮我，我将非常感激。

非常感谢：）

Answer 1

经验法则是绝对不要在多个数据框上使用import logic。它不能保证您具有相同的尺寸。

pandas.get_dummies

只有先进行import pandas as pd print(pd.get_dummies(['a', 'b', 'c'])) a b c 0 1 0 0 1 0 1 0 2 0 0 1 print(pd.get_dummies(['b', 'c'])) b c 0 1 0 1 0 1 先 然后再划分为pandas.get_dummies和x_train，这才是安全的。但是，您可以使用x_test：

sklearn.preprocessing.OneHotEncoder

请注意，现在它正确断言了两个不同的输入，导致列数相同。