...
Eroare Machine Learning · Forma datelor: X 2D, y 1D, număr de rânduri

ValueError: X has 3 features, but LinearRegression is expecting 2 features as input.

Pe scurt

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

Greșit
PYTHON
model.fit(df[["suprafata", "camere"]], df["pret"])
model.predict(nou)  # nou are și coloana "etaj"
Corect
PYTHON
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

Greșit
PYTHON
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)
Corect
PYTHON
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

Greșit
PYTHON
poly = PolynomialFeatures(degree=2)
model.fit(poly.fit_transform(X), y)
model.predict(X_nou)
Corect
PYTHON
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 tu

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.

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, 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))
După reparație, programul afișează
Pret estimat: 119.1
Pret estimat: 175.4
Indiciu

Definește coloane = ["suprafata", "camere"] și scrie model.predict(noi[coloane]).

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

← 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.