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

UserWarning: k=5 is greater than n_features=3. All the features will be returned.

Pe scurt

Ai cerut lui SelectKBest să păstreze k coloane, dar datele au mai puține, așa că le întoarce pe toate. Alege un k mai mic decât numărul de coloane, sau k="all" dacă vrei intenționat toate coloanele (de exemplu într-o grilă).

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

Ce înseamnă

SelectKBest(k=5) păstrează cele mai bune 5 coloane după un scor statistic. Dacă X are doar 3 coloane, nu are ce alege: întoarce toate cele 3 și te avertizează. În versiunile mai vechi de scikit-learn era o eroare (k should be <= n_features), acum e doar un avertisment.

Apare des în pipeline-uri cu preprocesare înainte de selecție: numărul de coloane după OneHotEncoder sau după eliminarea coloanelor constante poate fi diferit de cel la care te gândeai. Apare și în GridSearchCV, când grila conține valori de k mai mari decât numărul real de coloane.

Verifică numărul de coloane exact înainte de selecție: prep.fit_transform(X).shape[1].

De ce apare: cauzele frecvente

1k ales fără să știi câte coloane ai

Greșit
PYTHON
SelectKBest(f_classif, k=5).fit(X, y)  # X are 3 coloane
Corect
PYTHON
SelectKBest(f_classif, k=2).fit(X, y)

Cu k mai mic decât numărul de coloane, selecția chiar alege ceva.

2Grilă cu valori prea mari

Greșit
PYTHON
grila = {"selectkbest__k": [2, 5, 10]}
Corect
PYTHON
grila = {"selectkbest__k": [1, 2, 3]}  # sau "all"

Valorile din grilă trebuie să fie posibile pentru numărul real de coloane.

3Vrei toate coloanele, intenționat

Greșit
PYTHON
SelectKBest(k=100)
Corect
PYTHON
SelectKBest(k="all")

k="all" spune clar că nu vrei selecție, fără avertisment.

Repară tu

Repară eroarea, direct în pagină

Codul de mai jos dă UserWarning: k=5 is greater than n_features=3, transformat în eroare, pentru că datele au doar 3 coloane. Păstrează cele mai bune 2 coloane, ca programul să afișeze ce coloane au fost alese.

Codul care dă eroarea
PYTHON
import warnings
import pandas as pd
from sklearn.feature_selection import SelectKBest, f_classif

warnings.simplefilter("error", UserWarning)

df = pd.DataFrame({
    "venit": [2, 3, 9, 10, 11, 2],
    "varsta": [30, 45, 28, 50, 33, 41],
    "datorii": [9, 8, 1, 2, 1, 7],
})
y = [0, 0, 1, 1, 1, 0]

sel = SelectKBest(f_classif, k=5).fit(df, y)
print("Alese:", [str(c) for c in sel.get_feature_names_out()])
După reparație, programul afișează
Alese: ['venit', 'datorii']
Indiciu

Folosește SelectKBest(f_classif, k=2).

Alte forme ale mesajului

  • UserWarning: k=10 is greater than n_features=8. All the features will be returned.
  • ValueError: k should be <= n_features = 3; got 5. Use k='all' to return all features.

Cum o eviți pe viitor

Calculează numărul de coloane după preprocesare și construiește grila din el: list(range(1, n_col + 1)). Pune selecția în același pipeline cu preprocesarea, ca numărul de coloane să fie cel real. Folosește k="all" ca valoare de comparație în grilă: așa vezi dacă selecția chiar ajută.

Întrebări frecvente

Rezultatul e greșit dacă apare avertismentul?

Nu, primești toate coloanele, ca și cum n-ai fi făcut selecție. Avertismentul îți spune doar că k nu a avut efect.

De ce am văzut în tutoriale o eroare, nu un avertisment?

Versiunile mai vechi de scikit-learn ridicau ValueError: k should be <= n_features. Acum biblioteca întoarce toate coloanele și doar avertizează.

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.