模型的特征数量必须与输入匹配。Python错误

这是我用来在生物学领域做预测的脚本

我正在研究一个肽和一个靶点之间的相互作用：我使用OneHotEncoding对每个氨基酸序列进行编码（它们是肽的块，用字母表示），并且我对每个序列都有一个称为“Ki”的标签（识别与靶点的亲和力有多好）

我得到的错误总是相同的：

模型的特征数量必须与输入匹配。模型n_特征为133，输入n_特征为131

当用户试图预测数据集中不存在的新序列的“Ki”时，就会发生这种情况。有什么想法吗？先谢谢你

我认为这是OHE的问题，但似乎有效。我不知道问题是否出在输入部分

加载数据帧

df = pd.read_csv('sequences.csv', sep=';', header=None) 
df = df.iloc[1:]

编码部分（仅序列）

列车测试拆分、RF回归、评估。。。加载新序列

test = pd.read_csv('test.csv', sep=';', header=None) 
test_ = test.iloc[1:, :]

encoder = LabelEncoder() 
cat = test_ cat_encoded = cat.apply(encoder.fit_transform)

encoder = OneHotEncoder(categories='auto', sparse=False) 
cat_1hot = encoder.fit_transform(cat_encoded.values) test_ohe = cat_1hot #shape (X, 131) X = number of sequences I choose

编码新序列

test = pd.read_csv('test.csv', sep=';', header=None) 
test_ = test.iloc[1:, :]

encoder = LabelEncoder() 
cat = test_ cat_encoded = cat.apply(encoder.fit_transform)

encoder = OneHotEncoder(categories='auto', sparse=False) 
cat_1hot = encoder.fit_transform(cat_encoded.values) test_ohe = cat_1hot #shape (X, 131) X = number of sequences I choose

测试

results = np.round(rf_reg.predict(test_ohe), decimals= 3)

最后一部分不起作用：(

这就是df的外观。

---

您是否与和中的其他类似问题进行了比较？此问答似乎最有帮助，也最相关。Hi davedwards。似乎不是我的情况，仍然不起作用：（使用重塑功能，我将单个向量特征与更多标签进行比较，这在我的情况下是错误的。不知道我是否清楚。嗨，Nicola，错误消息可能表明，在一次热编码后，您是否有不同数量的训练和测试特征？不，相同数量的特征。无论如何，在这种情况下，我使用自定义OHE解决了问题。但在未来我想使用Sci工具包…你还有其他想法吗？非常感谢你抽出时间。