模型的特征数量必须与输入相匹配？

Question

我正在尝试对我拥有的一些数据使用 RandomForestClassifier。代码如下：

print train_data[0,0:20]
print train_data[0,21::]
print test_data[0]

print 'Training...'
forest = RandomForestClassifier(n_estimators=100)
forest = forest.fit( train_data[0::,0::20], train_data[0::,21::] )

print 'Predicting...'
output = forest.predict(test_data)

但这会产生以下错误：

ValueError: Number of features of the model must match the input. Model n_features is 3 and input n_features is 21

前三个打印语句的输出是：

[   0.            0.            0.            0.            1.            0.
    0.            0.            0.            0.            1.            0.
    0.            0.            0.           37.7745986  -122.42589168
    0.            0.            0.        ]
[ 0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.
  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.
  1.  0.]
[   0.            0.            0.            0.            0.            0.
    0.            1.            0.            0.            1.            0.
    0.            0.            0.            0.           37.73505101
 -122.3995877     0.            0.            0.        ]

我假设数据的格式对于我的 fit/predict 调用是正确的，但它在 predict 上出错了。谁能看出我在这里做错了什么？

Answer 1

用于训练模型的输入数据是 train_data[0::,0::20]，我认为这是一个错误（为什么跳过中间的特征？）——它应该是 train_data[0::,0:20] 而不是基于调试打印你一开始就做了。

此外，最后一列似乎代表了 train_data 和 test_data 中的标签。预测时，您可能希望在调用 predict 函数时传递 test_data[:, :20] 而不是 test_data。

模型的特征数量必须与输入相匹配？

Number of features of the model must match the input?

python

numpy

pandas

scikit-learn