Блог

Итак, я использую случайный лес для этого набора данных: https://archive.ics.uci.edu/ml/datasets/auto миль на галлон
Но когда я пытаюсь что-то предсказать, он выдает эту ошибку:

Ошибка значения: количество функций модели должно соответствовать входным данным. Модель n_features равна 947, а входные данные n_features равны 15

это мои файлы:

 import joblib  # para salvar o modelo
import pandas as pd
from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler  # Para Normalizar
from sklearn.preprocessing import OneHotEncoder
from sklearn.preprocessing import LabelEncoder
from sklearn.metrics import r2_score

data = pd.read_csv('auto-mpg.csv',sep = ',')

data['horsepower'] = data['horsepower'].replace('?','100')

x = data.iloc[:,1:].values
y = data.iloc[:,0].values

lb = LabelEncoder()
x[:,7] = lb.fit_transform(x[:,7])

onehot = OneHotEncoder()
x = onehot.fit_transform(x).toarray()

xtrain,xtest,ytrain,ytest = train_test_split(x,y,test_size = 0.2,random_state = 0)

sc = StandardScaler()
x = sc.fit_transform(x)

rfr = RandomForestRegressor(n_estimators = 200,random_state = 0)
rfr.fit(xtrain,ytrain)

ypred_rfr = rfr.predict(xtest)
print('Acuracia:',round(r2_score(ytest,ypred_rfr)*100,2),'%')

joblib.dump(rfr,'randon-forest.model')
 

и здесь это приводит к ошибке:

 import joblib  # para salvar o modelo
import pandas as pd
from sklearn.preprocessing import StandardScaler
from sklearn.preprocessing import OneHotEncoder

data = pd.read_csv('teste.csv',sep = ',')
print(data.columns);
logit = joblib.load('randon-forest.model')

onehot = OneHotEncoder()
data = onehot.fit_transform(data).toarray()

sc = StandardScaler()
data = sc.fit_transform(data)

# montar um vetor de dados
dados_vet = pd.DataFrame(data)
print(data)
# classificar esse vetor com o logit_bank
result_predict = logit.predict(dados_vet)

print('Logit Bank')
print(result_predict)

 

TL; DR:
данные, которые используются для прогнозирования, должны иметь то же количество функций, что и данные, которые использовались для обучения модели.

Более подробный ответ:
вы обучаете модель auto-mpg.csv , в которой, я полагаю, содержится 947 функций (столбцов) ( 1 столбец в качестве значения тегирования). Однако данные в teste.csv , которые я не знаю, что это такое, вероятно, содержат только 15 функций, следовательно, вы не можете предсказать данные 15 функций, используя модель, которая была обучена на другом количестве функций.

Простой пример: допустим, у вас есть модель, которая предсказывает цену дома с учетом года постройки дома и количества комнат, используя эту формулу:

 price = number_of_rooms * 5   (year-2000) * 20
 

То, что вы пытаетесь сделать со своим кодом, эквивалентно предоставлению в этом примере модели только количества комнат. Модель также должна «знать» год.