XGBoost：功能名称不匹配

Question

我正在努力让我的XGBoost模型从文本中预测文章的参与时间。首先，我得到一个数据帧，表示我从文章中提取的功能，如下所示：

article_features = pd.concat([tfidf_df, numeric_df_normalized], axis=1)

然后我训练我的模型并获得相关的正确列（功能）：

with open('correct_columns') as fp:
        correct_columns = pickle.load(fp)

然后我会浏览所有必需的功能并将它们设置为0.0，如果它们还没有在article_features中：

for col in correct_columns:
        if col not in article_features.columns:
            article_features[col] = 0.0

最后，我删除了从本文中提取的培训数据中不存在的功能：

for col in article_features:
    if col not in correct_columns:
        del article_features[col]

所以现在article_features具有正确数量的功能。我试着跑：

model.predict(article_features)

我得到：

ValueError: feature_names mismatch:...

所以我谷歌周围并尝试将我的数据帧转换为：

model.predict(article_features.as_matrix())

但我得到了同样的错误。

然后我担心article_features中的列的顺序与correct_columns不一样，所以我做了：

article_features.sort_index(axis=1, inplace=True)

但得到了同样的错误。

知道怎么解决？

谢谢！

Answer 1

由于DMatrix..num_col()仅返回稀疏矩阵中非零列的数量，因此会出现此问题。因此，如果列车和测试数据都具有相同数量的非零列，则一切正常。否则，您最终会得到不同的功能名称列表。目前有三种解决方案可以解决这个问题：

使用匹配列车数据框和测试数据框的列名称 qazxsw poi
首先保存模型然后加载模型
在输入模型之前将测试数据更改为数组： test_df = test_df[train_df.columns] 代替 use test_df.values

Answer 2

我们的想法是，用于拟合模型的数据包含与用于训练模型的数据完全相同的特征。

最后，我删除了从本文中提取的训练数据中不存在的功能：....所以现在article_features具有正确数量的功能。 ....

您用于拟合模型的数据中存在的功能如何，而不是您用于培训的数据中的功能如何？