Python xgb:ValueError:";功能“名称不匹配”;
我正在努力学习XGBoost的基础知识,并设计一个脚本,将我在Kaggle上找到的有关中国冠状病毒爆发的一些数据进行拆分。代码和模型工作正常,但由于某种原因,当我使用模型进行新预测时,我得到了一个“ValueError:feature_names Mitch”。新测试数据有一个2值的二维数组,与测试数据一样,但我仍然得到一个值错误Python xgb:ValueError:";功能“名称不匹配”;,python,machine-learning,xgboost,Python,Machine Learning,Xgboost,我正在努力学习XGBoost的基础知识,并设计一个脚本,将我在Kaggle上找到的有关中国冠状病毒爆发的一些数据进行拆分。代码和模型工作正常,但由于某种原因,当我使用模型进行新预测时,我得到了一个“ValueError:feature_names Mitch”。新测试数据有一个2值的二维数组,与测试数据一样,但我仍然得到一个值错误 train = df[['RegionCode','ProvinceCode']].astype(int) test = df['infected'].astype(
train = df[['RegionCode','ProvinceCode']].astype(int)
test = df['infected'].astype(int)
X_test, X_train, y_test, y_train = train_test_split(train, test, test_size=0.2, random_state=42)
train = xgb.DMatrix(X_train, label=y_train)
test = xgb.DMatrix(X_test, label=y_test)
param = {
'max_depth':4,
'eta':0.3,
'num_class': 2}
epochs = 10
model = xgb.train(param, train, epochs)
上面的所有代码都可以工作,但下面的terst给了我一个错误:
testArray=np.array([[13, 67]])
test_individual = xgb.DMatrix(testArray)
print(model.predict(test_individual))
知道我做错了什么吗 似乎您错过了使用sklearn的train\u test\u split函数的基础知识
X_test, X_train, y_test, y_train = train_test_split(train, test, test_size=0.2, random_state=42)
上面的行期望训练具有用于训练的所有功能,而测试期望目标功能
首先尝试解决这个问题。似乎您错过了使用sklearn的train\u test\u split功能的基础知识
X_test, X_train, y_test, y_train = train_test_split(train, test, test_size=0.2, random_state=42)
上面的行期望训练具有用于训练的所有功能,而测试期望目标功能
首先尝试修复该问题。如果您没有正确拆分数据,请在另一篇文章中查看我的。如果您没有正确拆分数据,请在另一篇文章中查看我的,以确保清晰。但这不是我正在做的吗?我有train=df[['RegionCode','ProvinceCode']].astype(int)和test=df['infected'].astype(int)。火车是我的特色,考试是我的目标。哦!我只是又看了一眼。您需要在测试阵列中提供您正在使用的列名。那就解决了,谢谢!我不太明白你提供列名是什么意思?我为新的X值指定int,那么在哪里输入列名呢?你能提供一个你的意思的例子吗?感谢您的时间。创建一个数据帧,其中有一行[13,67],列名称与序列中提供的相同,即[RegionCode]、[ProvinceCode],然后尝试使用predict函数。希望这样行,但这不是我正在做的吗?我有train=df[['RegionCode','ProvinceCode']].astype(int)和test=df['infected'].astype(int)。火车是我的特色,考试是我的目标。哦!我只是又看了一眼。您需要在测试阵列中提供您正在使用的列名。那就解决了,谢谢!我不太明白你提供列名是什么意思?我为新的X值指定int,那么在哪里输入列名呢?你能提供一个你的意思的例子吗?感谢您的时间。创建一个数据帧,其中有一行[13,67],列名称与序列中提供的相同,即[RegionCode]、[ProvinceCode],然后尝试使用predict函数。希望能奏效