使用测试集预测失败：new_data缺失normalized_used_price列

报错原因 #

测试数据中不存在normalized_used_price列（这是正常的，测试数据无需包含目标变量），但你的step_select操作未限定范围，会尝试对所有列（包括目标变量）进行处理，配方在处理测试数据时找不到该列，因此报错。

解决办法 #

修改step_select步骤，限定仅对预测变量进行列选择操作，避免涉及测试数据中不存在的目标变量：

set.seed(123)
recipe_obj <- recipe(normalized_used_price ~ ., data = train) %>%
  # 仅针对预测变量，排除指定列
  step_select(all_predictors(), -weight, -screen_size, -release_year, -normalized_new_price) %>% 
  step_string2factor(all_nominal_predictors()) %>% 
  step_impute_knn(all_predictors()) %>% 
  step_dummy(all_nominal_predictors()) %>% 
  step_scale(all_numeric_predictors())

# 后续代码保持不变
final_wf <- workflow() %>% 
  add_recipe(recipe_obj) %>% 
  add_model(final_model)

fn_model <- fit(final_wf, train)

predict(fn_model, test)

说明 #

all_predictors()会自动识别配方中的预测变量（即除normalized_used_price之外的所有列），这样step_select只会在这些变量中排除指定列，不会试图访问测试数据中不存在的目标变量，从而解决报错问题。

内容的提问来源于stack exchange，提问作者Anderson Araujo