ValueError: The feature names should match those that were passed during fit.
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
model.fit(df[["suprafata", "camere"]], y)
nou = pd.DataFrame({"camere": [2], "suprafata": [60]})
model.predict(nou)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
nou = pd.DataFrame({"suprafață": [60], "camere": [2]})
model.predict(nou)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 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.
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))Pret estimat: 117.8 Pret estimat: 173.1
Indiciu
Scrie model.predict(noi[model.feature_names_in_]).
Reparația
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[model.feature_names_in_]):
print("Pret estimat:", round(p, 1))De ce merge
Modelul a învățat coeficienții în ordinea suprafata, camere. Tabelul noi are aceleași coloane, dar inversate, iar fără verificare modelul ar fi înmulțit numărul de camere cu coeficientul suprafeței. model.feature_names_in_ păstrează ordinea de la antrenare, iar noi[...] selectează coloanele exact în ordinea aceea. Acum fiecare valoare ajunge la coeficientul ei, iar predicțiile sunt corecte.
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
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. UserWarning: X does not have valid feature names, but LinearRegression was fitted with feature names Ai antrenat modelul pe un DataFrame (cu nume de coloane), dar la predict i-ai dat o listă sau un tablou numpy, fără nume. E doar un avertisment. Dă la predict tot un DataFrame cu aceleași coloane, de exemplu pd.DataFrame({'suprafata': [70]}). 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.
