...
Eroare Machine Learning · Antrenare și predicție (fit / predict)

ValueError: The feature names should match those that were passed during fit.

Pe scurt

Modelul a fost antrenat pe un DataFrame cu anumite coloane, iar la predict primește coloane cu alte nume sau în altă ordine. Construiește datele noi cu exact aceleași nume de coloane, în aceeași ordine, de exemplu cu X_nou[model.feature_names_in_].

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

Ce înseamnă

Când antrenezi pe un DataFrame, scikit-learn memorează numele coloanelor (feature_names_in_) și le compară la predict / transform. Dacă numele nu coincid, se oprește, ca să nu înmulțească o coloană cu coeficientul alteia. Sub prima linie, mesajul îți spune exact ce nu se potrivește:

  • Feature names unseen at fit time: coloane noi, pe care modelul nu le-a văzut;
  • Feature names seen at fit time, yet now missing: coloane care lipsesc acum;
  • Feature names must be in the same order as they were in fit. aceleași coloane, dar în altă ordine.

Cauze frecvente: o greșeală de scriere (suprafață cu diacritice vs suprafata), o coloană redenumită după antrenare sau un DataFrame nou construit dintr-un dicționar în care cheile sunt în altă ordine.

De ce apare: cauzele frecvente

1Coloane în altă ordine

Greșit
PYTHON
model.fit(df[["suprafata", "camere"]], y)
nou = pd.DataFrame({"camere": [2], "suprafata": [60]})
model.predict(nou)
Corect
PYTHON
model.fit(df[["suprafata", "camere"]], y)
nou = pd.DataFrame({"camere": [2], "suprafata": [60]})
model.predict(nou[model.feature_names_in_])

model.feature_names_in_ are coloanele în ordinea de la antrenare, deci reordonezi tabelul nou exact la fel.

2Nume scris altfel

Greșit
PYTHON
nou = pd.DataFrame({"suprafață": [60], "camere": [2]})
model.predict(nou)
Corect
PYTHON
nou = pd.DataFrame({"suprafata": [60], "camere": [2]})
model.predict(nou)

Pentru pandas, suprafață și suprafata sunt coloane diferite. Numele trebuie să fie identice, caracter cu caracter.

Repară tu

Repară eroarea, direct în pagină

Codul de mai jos dă ValueError: The feature names should match those that were passed during fit., pentru că apartamentele noi au coloanele în altă ordine decât la antrenare. Repară predicția: reordonează tabelul noi după model.feature_names_in_, ca programul să afișeze prețurile estimate.

Codul care dă eroarea
PYTHON
import pandas as pd
from sklearn.linear_model import LinearRegression

df = pd.DataFrame({
    "suprafata": [40, 55, 70, 85, 100],
    "camere": [1, 2, 2, 3, 4],
    "pret": [78, 110, 132, 168, 196],
})
model = LinearRegression().fit(df[["suprafata", "camere"]], df["pret"])

noi = pd.DataFrame({"camere": [2, 3], "suprafata": [60, 90]})
for p in model.predict(noi):
    print("Pret estimat:", round(p, 1))
După reparație, programul afișează
Pret estimat: 117.8
Pret estimat: 173.1
Indiciu

Scrie model.predict(noi[model.feature_names_in_]).

Alte forme ale mesajului

  • ValueError: The feature names should match those that were passed during fit. Feature names must be in the same order as they were in fit.
  • ValueError: The feature names should match those that were passed during fit. Feature names unseen at fit time: - suprafață Feature names seen at fit time, yet now missing: - suprafata

Cum o eviți pe viitor

Definește lista de caracteristici o singură dată (coloane = [...]) și folosește-o la antrenare și la predicție: model.predict(nou[coloane]). Construiește datele noi cu aceleași nume ca în tabelul de antrenare, fără diacritice în numele coloanelor. Un Pipeline cu ColumnTransformer care selectează coloanele după nume te ferește și de problemele de ordine.

Întrebări frecvente

De ce contează ordinea, dacă numele sunt aceleași?

Intern, modelul lucrează cu poziții: primul coeficient e pentru prima coloană. scikit-learn verifică numele tocmai ca să te oprească înainte să aplice coeficienții pe coloanele greșite.

Scap de eroare dacă dau un tablou numpy în loc de DataFrame?

Scapi de verificare, dar nu și de problemă: dacă ordinea e greșită, predicțiile vor fi greșite fără nicio eroare, iar modelul îți dă și un avertisment că X nu are nume de coloane. Reordonează coloanele.

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.