X 有 8 个特征，但 RandomForestRegressor 预计有 2924 个特征作为输入

Question

这可能看起来很微不足道，但我就是不明白这个问题。基本上，我正在使用 Kaggle 数据集和 RandomForestRegressor 为我的城市构建一个餐厅推荐系统。

我构建了模型，现在希望模型在给定 4 个参数时推荐一家好餐厅：位置、大约成本、餐厅类型和投票数。然而，它返回一个值错误：X 有 8 个特征，但 RandomForestRegressor 期望 2924 个特征作为输入。

这就是我正在尝试运行的：

import joblib
import numpy as np
from sklearn.preprocessing import StandardScaler

model = joblib.load('my_model.pkl')
scaler = joblib.load('scaler.pkl')

def preprocess_input(location, type_, cost, votes):
    one_hot_location = [1 if loc == location else 0 for loc in ['Whitefield', 'Koramangala', 'Indiranagar']]
    one_hot_type = [1 if t == type_ else 0 for t in ['Casual Dining', 'Quick Bites', 'Cafe']]
    
    scaled_features = scaler.transform([[cost, votes]])
    
    return np.array(one_hot_location + one_hot_type + list(scaled_features[0])).reshape(1, -1)

input_data = preprocess_input('Whitefield', 'Casual Dining', 1000, 500)

prediction = model.predict(input_data)

print(f"Predicted restaurant: {prediction}")

列车数据的形状：

X_train.shape

=

(41373, 2924)

y_train.shape

=

(41373,)

这就是我的数据集的样子

我是初学者，请帮助我！谢谢！

Answer 1

您的训练数据有

2924

列。当您使用

model.fit

训练模型时，大概它会创建一个包含

2924

特征的随机森林。因此，为了进行推理，您需要提供相同数量的特征。而您仅提供

8

功能：来自

3

的

one-hot encoding of location

、来自

3

的

one-hot encoding of type

、来自

2

的

cost

和

votes

。

请注意您对训练数据进行的任何预处理。您必须对测试数据应用相同的预处理，否则它们属于不同的分布。我相信了解 fit

 和 

fit_transform 之间的 差异将会有所帮助，也许至关重要。