XGBRegressor预测功能不匹配

Question

我想使用XGBRegressor来预测一些数据。所以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

然后我做一些数据清理

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函数时出现以下错误消息：

---

（）中的ValueError Traceback（最近一次调用last）1 test_data_process = test_data.select_dtypes（exclude = ['object']）----> 2 predictions = my_model.predict（test_data_process）

预测中的/opt/conda/lib/python3.6/site-packages/xgboost-0.80-py3.6.egg/xgboost/sklearn.py（self，data，output_margin，ntree_limit，validate_features）395 output_margin = output_margin，396 ntree_limit = ntree_limit， - > 397 validate_features = validate_features）398 399 def apply（self，X，ntree_limit = 0）：

预测中的/opt/conda/lib/python3.6/site-packages/xgboost-0.80-py3.6.egg/xgboost/core.py(self，data，output_margin，ntree_limit，pred_leaf，pred_contribs，approx_contribs，pred_interactions，validate_features ）1206 1207 if validate_features： - > 1208 self._validate_features（data）1209 1210 length = c_bst_ulong（）

_validate_features中的/opt/conda/lib/python3.6/site-packages/xgboost-0.80-py3.6.egg/xgboost/core.py（self，data）1508 1509引发ValueError（msg.format（self.feature_names， - > 1510 data.feature_names））1511 1512 def get_split_value_histogram（self，feature，fmap =''，bins = None，as_pandas = True）：

ValueError：feature_names mismatch：['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'，'KitchenAbvGr'，'TotRmsAbvGrd' ，'Fireplaces'，'GarageYrBlt'，'GarageCars'，'GarageArea'，'WoodDeckSF'，'OpenPorchSF'，'EnclosedPorch'，'3SsnPorch'，'ScreenPorch'，'PoolArea'，'MiscVal'，'MoSold'，' YrSold']预期f9，f6，f14，f27，f18，f7，f8，f23，f17，f22，f35，f0，f28，f29，f20，f31，f36，f25，f11，f21，f12，f24，f34，输入数据训练中的f10，f5，f32，f15，f26，f30，f1，f2，f16，f19，f3，f4，f33，f13 ata没有以下字段：BsmtUnfSF，1stFlrSF，LowQualFinSF，MSSubClass，WoodDeckSF，GrLivArea，MiscVal，YearBuilt，BsmtFinSF1，Fireplaces，MoSold，BsmtHalfBath，GarageYrBlt，FullBath，PoolArea，YrSold，HalfBath，2ndFlrSF，KitchenAbvGr，OverallQual，Id， EnclosedPorch，ScreenPorch，GarageArea，BsmtFullBath，MasVnrArea，TotRmsAbvGrd，OverallCond，BedroomAbvGr，GarageCars，OpenPorchSF，YearRemodAdd，TotalBsmtSF，BsmtFinSF2，LotFrontage，3SsnPorch，LotArea

它抱怨功能不匹配，我在训练数据中没有这些字段。但是当我检查data的内容时，它有那些列。怎么解决？

Answer 1

只是为了结束这个问题：

问题是SimpleImputer用于训练和验证数据，但不用于测试数据。

可以在这里找到可能导致这种错误的讨论：https://github.com/dmlc/xgboost/issues/2334#issuecomment-333195491