Scikit learn 具有GroupKFold交叉有效性的优化模型在预测时需要组参数

我使用GroupKFold优化了RandomForest（以防止数据泄漏，因为有些行来自同一个组）

我得到了一个最适合的模型，但是当我对测试数据进行预测时，它说它需要组特性

这有意义吗？奇怪的是，群组功能也是最重要的功能之一

我只是想知道我是不是做错了什么

---

感谢您在scikit learn Github repo或“group_feature”或任何类似内容上进行搜索，因此我将继续并假设您的数据集中有一个名为“group”的特性，预测模型需要该特性作为输入以生成输出

---

请记住，预测模型基本上是一个函数，它接受输入（“预测”变量）并返回输出（“预测”变量）。如果一个名为“组”的变量被定义为预测模型的输入，那么scikit learn将请求它是有意义的。

该组是否在训练集中显示为列？如果是，请将其拆下并重新训练。看起来您只是在使用它来生成拆分。如果它不是您需要预测的输入数据的一部分，那么它不应该在培训集中。

您能提供一个最小的、可复制的代码示例吗？我认为没有必要。这是一个关于理论的问题@Kimtangok，对我来说，你现在的问题太模糊了，无法理解这个问题。您使用GroupKFold创建的折叠之一训练了一个RandomForestClassifier，然后当您进行预测时，您会得到一个错误，请求“组特征”？这是什么“群体特征”？我在RandomForestClassifier或GroupKFold的文档中找不到任何相关信息。我同意@KimTang的观点，我们缺乏关于您真正在做什么的详细信息，一个代码示例可以作为讨论的良好基础（没有措辞问题），并且可以消除任何关于简单编码错误的疑问！它显示在这里：。您作为.split（）方法的一部分传入组：当您想要执行交叉验证时，您不需要拆分，只需将启动的交叉验证迭代器对象，比如“GroupKFold（n_splits=5）”传递给“sklearn.model_selection.GridSearchCV”。用最少的例子帮助会更有效。