...
Eroare Machine Learning · Date lipsă, text și valori invalide

UserWarning: Skipping features without any observed values: [1]. At least one non-missing value is needed for imputation with strategy='mean'.

Pe scurt

O coloană din X are numai valori lipsă (NaN), deci SimpleImputer nu poate calcula media ei și o elimină din rezultat. Ieșirea are astfel mai puține coloane decât intrarea. Scoate coloana goală înainte, sau folosește strategy="constant" ori keep_empty_features=True dacă vrei s-o păstrezi.

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

Ce înseamnă

SimpleImputer învață la fit câte o valoare de completare pentru fiecare coloană: media, mediana sau cea mai frecventă valoare. Pentru o coloană în care nu există nicio valoare cunoscută, nu are din ce să calculeze, așa că o sare. Lista din mesaj ([1]) conține indicii coloanelor sărite, numărați de la 0.

Avertismentul nu oprește programul, dar efectul e important: rezultatul lui transform are mai puține coloane. Dacă după imputer folosești nume de coloane sau un model care se așteaptă la un anumit număr de trăsături, poți primi mai târziu X has 2 features, but ... is expecting 3, sau pur și simplu pierzi o coloană fără să observi.

Cauza obișnuită: o coloană goală în CSV, o coloană goală doar în setul de antrenare după împărțire, sau o conversie pd.to_numeric(..., errors="coerce") care a transformat tot textul în NaN.

De ce apare: cauzele frecvente

1Coloana e goală în date

Greșit
PYTHON
df = pd.DataFrame({"suprafata": [50, 60, 70], "etaj": [np.nan, np.nan, np.nan]})
X = SimpleImputer().fit_transform(df)
Corect
PYTHON
df = df.dropna(axis=1, how="all")
X = SimpleImputer().fit_transform(df)

dropna(axis=1, how="all") scoate coloanele complet goale, așa că știi exact ce coloane intră în model.

2Conversia a transformat tot textul în NaN

Greșit
PYTHON
df["pret"] = pd.to_numeric(df["pret"], errors="coerce")  # "1.200 lei" -> NaN
Corect
PYTHON
df["pret"] = pd.to_numeric(df["pret"].str.replace(" lei", "").str.replace(".", ""))

errors="coerce" ascunde problemele de format. Curăță textul întâi, ca valorile să devină numere, nu NaN.

3Vrei să păstrezi coloana

Greșit
PYTHON
imp = SimpleImputer(strategy="mean")
Corect
PYTHON
imp = SimpleImputer(strategy="constant", fill_value=0)
# sau: SimpleImputer(keep_empty_features=True)

Cu o valoare constantă, imputerul nu are nevoie de valori observate. keep_empty_features=True păstrează coloana goală, completată cu 0.

Repară tu

Repară eroarea, direct în pagină

Codul de mai jos dă UserWarning: Skipping features without any observed values, transformat în eroare, pentru că coloana etaj e complet goală. Scoate coloanele fără nicio valoare înainte de imputer, ca programul să afișeze coloanele folosite și valorile completate.

Codul care dă eroarea
PYTHON
import warnings
import numpy as np
import pandas as pd
from sklearn.impute import SimpleImputer

warnings.simplefilter("error", UserWarning)

df = pd.DataFrame({
    "suprafata": [50, np.nan, 70, 80],
    "etaj": [np.nan, np.nan, np.nan, np.nan],
    "camere": [2, 3, np.nan, 3],
})

imp = SimpleImputer(strategy="mean")
X = imp.fit_transform(df)
print("Coloane:", list(df.columns))
print(X.tolist())
După reparație, programul afișează
Coloane: ['suprafata', 'camere']
[[50.0, 2.0], [66.66666666666667, 3.0], [70.0, 2.6666666666666665], [80.0, 3.0]]
Indiciu

Folosește df = df.dropna(axis=1, how="all") înainte de fit_transform.

Alte forme ale mesajului

  • UserWarning: Skipping features without any observed values: [0 2]. At least one non-missing value is needed for imputation with strategy='median'.
  • UserWarning: Skipping features without any observed values: ['etaj']. At least one non-missing value is needed for imputation with strategy='most_frequent'.

Cum o eviți pe viitor

După ce citești datele, afișează df.isna().mean(): o coloană cu 1.0 e complet goală și nu are ce căuta în model. Verifică la fel setul de antrenare după train_test_split, mai ales la date puține. Evită errors="coerce" fără să numeri câte NaN au apărut. Tratează avertismentele imputerului ca pe niște erori: o coloană dispărută schimbă tot ce urmează.

Întrebări frecvente

E grav dacă e doar un avertisment?

Poate fi. Modelul se antrenează pe mai puține coloane, iar codul care se bazează pe pozițiile sau numele coloanelor poate amesteca trăsăturile între ele.

Coloana are valori în tot fișierul, dar primesc avertismentul. De ce?

Probabil valorile sunt doar în rândurile care au ajuns în setul de test. Imputerul învață doar din setul de antrenare, unde coloana e goală.

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.