ValueError: feature_names must contain 3 elements, got 2
Lista `feature_names` dată lui `export_text` (sau `plot_tree`) are alt număr de nume decât trăsăturile pe care s-a antrenat arborele. Dă exact câte un nume pentru fiecare coloană din `X`, în aceeași ordine, de exemplu `feature_names=list(X.columns)`.
Explicat de Tudor Andrei Dumitrescu, Senior Software Developer, fondatorul Academiei ProgramatorilorActualizat la
Ce înseamnă
Arborele știe câte trăsături a văzut la fit (model.n_features_in_). Când îi dai nume ca să afișezi regulile, verifică dacă lista are exact atâtea elemente. „must contain 3 elements, got 2” înseamnă: arborele are 3 trăsături, tu ai dat 2 nume.
Cazuri tipice: ai adăugat o coloană în X și ai uitat să o adaugi în lista de nume scrisă de mână; arborele e ultimul pas dintr-un pipeline cu OneHotEncoder, deci vede mai multe coloane decât tabelul original; ai dat numele coloanelor din tot DataFrame-ul, inclusiv ținta.
Cel mai sigur e să iei numele din același loc de unde vin datele: list(X.columns) sau, după preprocesare, pipeline[:-1].get_feature_names_out().
De ce apare: cauzele frecvente
1Listă de nume scrisă de mână, incompletă
X = df[["venit", "varsta", "datorii"]]
export_text(arbore, feature_names=["venit", "varsta"])X = df[["venit", "varsta", "datorii"]]
export_text(arbore, feature_names=list(X.columns))Numele luate din X au mereu numărul și ordinea coloanelor pe care s-a antrenat arborele.
2Arbore după OneHotEncoder
export_text(pipe[-1], feature_names=list(df.columns))nume = pipe[:-1].get_feature_names_out()
export_text(pipe[-1], feature_names=list(nume))După codificare, arborele vede coloanele produse de encoder, nu coloanele originale.
3Ținta inclusă în nume
export_text(arbore, feature_names=list(df.columns)) # include "aprobat"export_text(arbore, feature_names=list(df.drop(columns="aprobat").columns))Ținta nu e trăsătură; numele trebuie să corespundă doar coloanelor din X.
Repară eroarea, direct în pagină
Codul de mai jos dă ValueError: feature_names must contain 3 elements, got 2, pentru că lista de nume scrisă de mână nu conține coloana datorii. Ia numele direct din coloanele lui X, ca programul să afișeze regulile arborelui.
import pandas as pd
from sklearn.tree import DecisionTreeClassifier, export_text
df = pd.DataFrame({
"venit": [2, 3, 8, 9, 10, 4],
"varsta": [25, 40, 30, 45, 35, 50],
"datorii": [5, 6, 1, 0, 1, 7],
"aprobat": [0, 0, 1, 1, 1, 0],
})
X = df[["venit", "varsta", "datorii"]]
y = df["aprobat"]
arbore = DecisionTreeClassifier(max_depth=1, random_state=0).fit(X, y)
print(export_text(arbore, feature_names=["venit", "varsta"]))|--- venit <= 6.00 | |--- class: 0 |--- venit > 6.00 | |--- class: 1
Indiciu
Folosește feature_names=list(X.columns).
Reparația
import pandas as pd
from sklearn.tree import DecisionTreeClassifier, export_text
df = pd.DataFrame({
"venit": [2, 3, 8, 9, 10, 4],
"varsta": [25, 40, 30, 45, 35, 50],
"datorii": [5, 6, 1, 0, 1, 7],
"aprobat": [0, 0, 1, 1, 1, 0],
})
X = df[["venit", "varsta", "datorii"]]
y = df["aprobat"]
arbore = DecisionTreeClassifier(max_depth=1, random_state=0).fit(X, y)
print(export_text(arbore, feature_names=list(X.columns)))De ce merge
list(X.columns) dă exact cele trei nume ale coloanelor pe care s-a antrenat arborele, în aceeași ordine. export_text poate scrie acum regula cu numele potrivit. Arborele cu adâncime 1 face o singură întrebare, despre trăsătura care separă perfect clienții aprobați de cei respinși.
Alte forme ale mesajului
ValueError: feature_names must contain 2 elements, got 1ValueError: Length of feature_names, 2 does not match number of features, 3
Cum o eviți pe viitor
Nu scrie numele trăsăturilor de două ori: definește lista de coloane o dată (coloane = [...]), construiește X = df[coloane] și folosește aceeași listă la afișare. Dacă antrenezi pe DataFrame, arborele reține numele în model.feature_names_in_, pe care le poți refolosi direct. Pentru pipeline-uri, ia numele cu get_feature_names_out().
Întrebări frecvente
Pot să nu dau feature_names deloc?
Da. Fără nume, export_text scrie feature_0, feature_1 și așa mai departe, în ordinea coloanelor. Merge, dar regulile sunt mai greu de citit.
De ce mesajul diferă la versiunile vechi?
Versiunile mai vechi de scikit-learn foloseau formularea Length of feature_names, 2 does not match number of features, 3. Problema și reparația sunt aceleași.
Erori înrudite
ValueError: X has 3 features, but LinearRegression is expecting 2 features as input. Datele date la predict sau transform au alt număr de coloane decât cele de la fit (aici 3 în loc de 2). Datele noi trebuie să aibă exact aceleași caracteristici, în aceeași ordine, și să treacă prin aceleași transformări ca datele de antrenare. AttributeError: 'Pipeline' object has no attribute 'feature_importances_' feature_importances_ aparține modelului (de exemplu RandomForestClassifier), nu Pipeline-ului care îl conține. Ia ultimul pas cu pipe[-1] sau pipe.named_steps["model"] și citește atributul de acolo; la GridSearchCV, folosește grid.best_estimator_. AttributeError: Estimator functiontransformer does not provide get_feature_names_out. Did you mean to call pipeline[:-1].get_feature_names_out()? Un pas din pipeline nu știe să spună numele coloanelor pe care le produce, de obicei un FunctionTransformer. Dă-i feature_names_out="one-to-one" (dacă păstrează coloanele) sau o funcție care întoarce numele. Dacă ultimul pas e modelul, cere numele de la pipeline[:-1]. 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.
