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.
Explicat de Tudor Andrei Dumitrescu, Senior Software Developer, fondatorul Academiei ProgramatorilorActualizat la
Ce înseamnă
La fit, modelul memorează câte caracteristici a primit (atributul n_features_in_) și învață câte un coeficient pentru fiecare. La predict, dacă datele au alt număr de coloane, nu are ce coeficient să folosească pentru coloana în plus sau lipsă, așa că oprește execuția. Mesajul îți spune ambele numere: câte coloane are X acum și câte aștepta modelul.
Cauze frecvente: ai antrenat pe df[["a", "b"]], dar prezici pe tot tabelul (cu tot cu ținta sau un id); ai aplicat get_dummies separat pe train și pe test, iar setul de test are alte categorii, deci alt număr de coloane; ai uitat să aplici scaler-ul sau encoderul pe datele noi; sau ai adăugat o caracteristică nouă după antrenare. Compară model.n_features_in_ cu X_nou.shape[1].
De ce apare: cauzele frecvente
1Datele noi conțin o coloană în plus
model.fit(df[["suprafata", "camere"]], df["pret"])
model.predict(nou) # nou are și coloana "etaj"coloane = ["suprafata", "camere"]
model.fit(df[coloane], df["pret"])
model.predict(nou[coloane])Păstrezi lista de coloane într-o variabilă și o folosești la fel la fit și la predict.
2get_dummies aplicat separat pe train și pe test
X_train = pd.get_dummies(train[["oras"]], dtype=int) # 3 orașe
X_test = pd.get_dummies(test[["oras"]], dtype=int) # 2 orașe
model.fit(X_train, y_train).predict(X_test)enc = OneHotEncoder(handle_unknown="ignore")
X_train = enc.fit_transform(train[["oras"]])
X_test = enc.transform(test[["oras"]])
model.fit(X_train, y_train).predict(X_test)Encoderul învață categoriile o singură dată, pe train, și produce aceleași coloane pentru orice date noi.
3Transformare de polinom uitată la predict
poly = PolynomialFeatures(degree=2)
model.fit(poly.fit_transform(X), y)
model.predict(X_nou)poly = PolynomialFeatures(degree=2)
model.fit(poly.fit_transform(X), y)
model.predict(poly.transform(X_nou))Modelul a fost antrenat pe caracteristicile polinomiale, deci datele noi trebuie să treacă prin aceeași transformare.
Repară eroarea, direct în pagină
Codul de mai jos dă ValueError: X has 3 features, but LinearRegression is expecting 2 features as input., pentru că tabelul cu apartamente noi are și coloana etaj, pe care modelul n-a văzut-o. Repară-l: păstrează caracteristicile într-o listă coloane și folosește-o și la fit, și la predict, 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, 3, 3, 4],
"pret": [80, 112, 140, 165, 200],
})
noi = pd.DataFrame({"suprafata": [60, 90], "camere": [2, 3], "etaj": [1, 4]})
model = LinearRegression().fit(df[["suprafata", "camere"]].to_numpy(), df["pret"])
for p in model.predict(noi.to_numpy()):
print("Pret estimat:", round(p, 1))Pret estimat: 119.1 Pret estimat: 175.4
Indiciu
Definește coloane = ["suprafata", "camere"] și scrie model.predict(noi[coloane]).
Reparația
import pandas as pd
from sklearn.linear_model import LinearRegression
df = pd.DataFrame({
"suprafata": [40, 55, 70, 85, 100],
"camere": [1, 2, 3, 3, 4],
"pret": [80, 112, 140, 165, 200],
})
noi = pd.DataFrame({"suprafata": [60, 90], "camere": [2, 3], "etaj": [1, 4]})
coloane = ["suprafata", "camere"]
model = LinearRegression().fit(df[coloane].to_numpy(), df["pret"])
for p in model.predict(noi[coloane].to_numpy()):
print("Pret estimat:", round(p, 1))De ce merge
Modelul a învățat doi coeficienți, unul pentru suprafață și unul pentru camere. Când primește trei coloane, nu are coeficient pentru etaj, deci refuză predicția. Cu noi[coloane] selectezi exact aceleași caracteristici, în aceeași ordine ca la antrenare, iar tabelul nou are forma (2, 2). Lista coloane definită o singură dată face ca fit și predict să nu mai poată diverge când adaugi sau scoți o caracteristică.
Alte forme ale mesajului
ValueError: X has 1 features, but StandardScaler is expecting 2 features as input.ValueError: X has 10 features, but LogisticRegression is expecting 12 features as input.
Cum o eviți pe viitor
Pune toate transformările și modelul într-un Pipeline: așa, la predict datele trec automat prin aceiași pași ca la fit. Ține lista de caracteristici într-o singură variabilă (coloane = [...]) și selectează-le explicit pe datele noi. Pentru categorii folosește OneHotEncoder(handle_unknown="ignore") în loc de get_dummies aplicat de două ori. Verifică model.n_features_in_ când ceva nu se potrivește.
Întrebări frecvente
Contează și ordinea coloanelor?
Da. Pe un tablou numpy, scikit-learn nu vede nume, doar poziții, deci coloanele inversate dau predicții greșite fără nicio eroare. Pe un DataFrame, modelul compară și numele și te anunță dacă ordinea diferă.
Cum văd ce coloane a primit modelul la antrenare?
model.n_features_in_ îți dă numărul, iar dacă ai antrenat pe un DataFrame, model.feature_names_in_ îți dă numele, în ordine.
Erori înrudite
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_]. ValueError: Found unknown categories ['Iasi'] in column 0 during transform OneHotEncoder a văzut la fit doar anumite categorii, iar la transform (pe test sau pe date noi) apare una nouă, aici 'Iasi'. Creează encoderul cu handle_unknown='ignore', ca valorile noi să devină un rând de zerouri, sau antrenează-l pe date care conțin toate categoriile. ValueError: Found input variables with inconsistent numbers of samples: [5, 4] X și y (sau y_true și y_pred) au un număr diferit de rânduri: aici 5 și 4. Fiecare exemplu din X trebuie să aibă exact o etichetă în y. Caută locul unde ai filtrat sau ai împărțit doar una dintre ele și construiește-le din același tabel. 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.
