...
Eroare Machine Learning · Modele: convergență, k-NN, k-means

UserWarning: Features [2] are constant.

Pe scurt

Coloana cu indicele din mesaj are aceeași valoare pe toate rândurile, deci testul statistic al lui SelectKBest (f_classif, f_regression) nu poate calcula un scor pentru ea. Scoate coloanele constante înainte, de exemplu cu VarianceThreshold().

Explicat de Tudor Andrei Dumitrescu, Senior Software Developer, fondatorul Academiei ProgramatorilorActualizat la

Ce înseamnă

f_classif și f_regression calculează pentru fiecare coloană cât de mult variază ținta în funcție de ea (statistica F). Pentru o coloană constantă, variația e zero, iar calculul împarte la zero: scorul iese nan. scikit-learn te avertizează și listează indicii coloanelor constante, numărați de la 0 (aici a treia coloană). Uneori apare și RuntimeWarning: invalid value encountered in divide.

O coloană constantă nu aduce nicio informație modelului, deci e corect s-o scoți. Apare des după filtrare (de exemplu, toate rândurile rămase sunt din același oraș), la coloane care au mereu aceeași valoare în export, sau în setul de antrenare al unei părți de validare încrucișată.

VarianceThreshold() (cu prag 0) elimină automat coloanele cu o singură valoare și poate fi pus în pipeline înainte de SelectKBest.

De ce apare: cauzele frecvente

1O coloană are aceeași valoare peste tot

Greșit
PYTHON
SelectKBest(f_classif, k=2).fit(df[["venit", "varsta", "tara"]], y)  # tara: mereu 1
Corect
PYTHON
make_pipeline(VarianceThreshold(), SelectKBest(f_classif, k=2)).fit(df[["venit", "varsta", "tara"]], y)

VarianceThreshold scoate coloana constantă înainte ca testul F să încerce să o evalueze.

2Coloană constantă după filtrare

Greșit
PYTHON
df = df[df["oras"] == "Cluj"]
X = pd.get_dummies(df[["oras", "suprafata"]])
Corect
PYTHON
df = df[df["oras"] == "Cluj"]
X = df[["suprafata"]]

După filtrare, orașul e același pentru toate rândurile, deci nu mai are ce să explice.

3Ai vrut să știi ce coloane sunt constante

Greșit
PYTHON
# ignori avertismentul
Corect
PYTHON
constante = df.columns[df.nunique() <= 1]
print(list(constante))
X = df.drop(columns=constante)

nunique() arată câte valori distincte are fiecare coloană; cele cu 1 sunt constante.

Repară tu

Repară eroarea, direct în pagină

Codul de mai jos dă UserWarning: Features [2] are constant., transformat în eroare, pentru că a treia coloană are aceeași valoare pe toate rândurile. Pune un VarianceThreshold() înainte de SelectKBest în pipeline, ca programul să afișeze câte coloane rămân și scorul celei alese.

Codul care dă eroarea
PYTHON
import warnings
from sklearn.feature_selection import SelectKBest, VarianceThreshold, f_classif
from sklearn.pipeline import make_pipeline

warnings.simplefilter("error", UserWarning)

# venit, varsta, tara (mereu 1)
X = [[2, 30, 1], [3, 45, 1], [9, 28, 1], [10, 50, 1], [11, 33, 1], [2, 41, 1]]
y = [0, 0, 1, 1, 1, 0]

sel = make_pipeline(SelectKBest(f_classif, k=1))
X_nou = sel.fit_transform(X, y)
print("Coloane ramase:", X_nou.shape[1])
print("Prima coloana aleasa:", X_nou[:, 0].tolist())
După reparație, programul afișează
Coloane ramase: 1
Prima coloana aleasa: [2, 3, 9, 10, 11, 2]
Indiciu

Scrie make_pipeline(VarianceThreshold(), SelectKBest(f_classif, k=1)).

Alte forme ale mesajului

  • UserWarning: Features [0 3] are constant.
  • RuntimeWarning: invalid value encountered in divide

Cum o eviți pe viitor

Verifică datele cu df.nunique() înainte de selecția trăsăturilor și scoate coloanele cu o singură valoare. Pune VarianceThreshold() la începutul pipeline-ului, ca protecția să funcționeze și la date noi și în fiecare parte a validării încrucișate. Nu ignora avertismentul: scorul nan poate face ca SelectKBest să aleagă altfel decât te aștepți.

Întrebări frecvente

Strică modelul o coloană constantă?

De obicei nu, modelul o ignoră. Problema e la selecția trăsăturilor, unde scorul ei e nan, și la scalare, unde deviația standard e 0.

Ce prag să pun la VarianceThreshold?

Pragul implicit 0 elimină doar coloanele perfect constante. Un prag mai mare elimină și coloanele aproape constante, dar depinde de scara datelor.

Erori înrudite

← Toate erorile Machine Learning

Tudor Andrei Dumitrescu
Cine a explicat eroarea

Tudor Andrei Dumitrescu

Senior Software Developer · fondatorul Academiei Programatorilor

LinkedIn
  1. 2019 Junior JavaCognizant Softvision
  2. 2021 Mid JavaCognizant Softvision
  3. 2022 Team LeaderEndava
  4. 2023 Senior Software DeveloperUniCredit
  5. Acum Senior Software DeveloperHCLTech
Certificat de absolvire Instructor / Preparator formare, Tudor Andrei Dumitrescu
Certificat de formator autorizatMinisterul Muncii și Ministerul Educației · 2022
Certificat de absolvire Instructor / Preparator formare, Tudor Andrei Dumitrescu

Certificat de formator autorizat · Ministerul Muncii și Ministerul Educației · 2022

Din 2020 construiește Academia Programatorilor, iar din 2026 și JoburiIT.ro. Fiecare eroare de aici a fost reprodusă în editorul nostru: codul greșit chiar dă mesajul din titlu, iar reparația chiar funcționează.

Învață Machine Learning de la zero, cu exerciții la fiecare lecție

Curs Machine Learning și AI pentru începători: lecții scurte, fiecare cu un exercițiu verificat automat, direct în browser. Primele 15 lecții sunt gratuite.