XGBoost：功能名称不匹配答案

【问题标题】：XGBoost: Feature Names MismatchXGBoost：功能名称不匹配
【发布时间】：2018-01-07 14:51:11
【问题描述】：

我一直在努力让我的 XGBoost 模型从文章的文本中预测文章的参与时间。首先，我得到一个代表我从文章中提取的特征的数据框，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（特征）：

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

然后我检查所有必需的功能并将它们设置为0.0（如果它们尚未在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训练数据中不存在的特征：

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

所以现在article_features 具有正确数量的特征。我尝试运行：

model.predict(article_features)

我得到：

ValueError: feature_names mismatch:...

所以我谷歌并尝试将我的数据框转换为：

model.predict(article_features.as_matrix())

但我得到了同样的错误。

然后我担心article_features 中的列顺序与correct_columns 不一样所以我做了：

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

但是遇到了同样的错误。

知道如何解决吗？

谢谢！

【问题讨论】：

【解决方案1】：

由于DMatrix..num_col() 仅返回稀疏矩阵中非零列的数量而出现此问题。因此，如果训练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此问题：

【讨论】：

【解决方案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，我删除了从这篇文章中提取的不属于存在于训练数据中： …… 所以现在 article_features 具有正确数量的特征。 ....

您用于拟合模型的数据中存在哪些特征，但您用于训练的数据中没有这些特征？

【讨论】：