Python 为什么DictVectorizer会改变功能的数量？

我有一个324行35列的数据集。我将其分为培训和测试数据：

X_train, X_test, y_train, y_test = train_test_split(tempCSV[feaure_names[0:34]], tempCSV[feaure_names[34]], test_size=0.2, random_state=32)    

这似乎很好，我的X_训练和X_测试都有34个特性。我使用DictVectorizer应用了一些进一步的转换，因为我有分类变量

from sklearn.feature_extraction import DictVectorizer
vecS=DictVectorizer(sparse=False)
X_train=vecS.fit_transform(X_train.to_dict(orient='record'))
X_test=vecS.fit_transform(X_test.to_dict(orient='record'))

---

现在，当我比较X_train和X_test时，前者有46个特性，而后者只有44个。发生这种情况的可能原因是什么？

因为您正在使用不同的拟合进行矢量化。使用

拟合变换时

：

X_train=vecS.fit_transform(X_train.to_dict(orient='record'))
X_test=vecS.fit_transform(X_test.to_dict(orient='record'))

这将导致两个不同的矢量器作用于您的数据集。第一个将针对

X\u train.中的所有功能进行培训。to\u dict

，另一个针对

X\u test.中的所有功能进行培训。to\u dict

，您希望在培训数据上对矢量器进行一次培训，然后仅使用

transform

，因为

拟合transform

重新安装：

请注意，您的模型将只知道培训集中的功能

X_train=vecS.fit_transform(X_train.to_dict(orient='record'))
X_test=vecS.transform(X_test.to_dict(orient='record'))