线性回归模型predict()触发特征名警告的原因及解决方法

原因 #

你训练LinearRegression模型时用的是带特征名称的数据集（比如Pandas DataFrame），但预测时传入的是纯NumPy数组——没有任何特征名称信息。Sklearn会自动校验输入特征的名称是否和训练阶段匹配，因此抛出这个警告。

修复方法 #

方法1：给预测数据加上对应特征名称 #

把预测用的NumPy数组转换成和训练数据列名一致的Pandas DataFrame即可：

import pandas as pd
import numpy as np

# 替换成你训练模型时实际使用的特征列名
array = np.array([[26,1.5],[27,3]])
X_pred = pd.DataFrame(array, columns=['feature1', 'feature2'])
multiple_linear_regression.predict(X_pred)

方法2：训练阶段就用纯数组 #

如果不需要特征名称的关联，训练模型时直接把数据集转换成NumPy数组，后续预测传数组就不会触发警告：

# 训练环节示例（替换成你的训练数据）
X_train = your_train_data[['feature_col1', 'feature_col2']].to_numpy()
y_train = your_train_data['target_col'].to_numpy()
multiple_linear_regression.fit(X_train, y_train)

# 预测环节直接传数组
array = np.array([[26,1.5],[27,3]])
multiple_linear_regression.predict(array)

内容的提问来源于stack exchange，提问作者Mehmet Ali Can Coşkun