使用sklearn SFS预测时出现'Feature names seen at fit time, yet now missing'错误

使用sklearn的Sequential Feature Selection（SFS）选中特征子集后，对X_test进行预测时遇到错误：

Feature names seen at fit time, yet now missing

相关代码如下：

model_for_sfs = LogisticRegression(solver="saga")
model = LogisticRegression(solver="saga")

pipeline_for_fs = Pipeline(steps=[
        ('imputer', SimpleImputer(strategy="median")),
        ("model",model_for_sfs)])

n_splits = 2 
cv_fs = StratifiedKFold(n_splits, shuffle=True, random_state=0)
cv_perf = StratifiedKFold(n_splits, shuffle=True, random_state=0)

# Feature selection
fs = SFS(
  estimator=pipeline_for_fs,
  n_features_to_select=2,
  cv=cv_fs,
  scoring='accuracy', 
  n_jobs=-1
)
pipeline = Pipeline(steps=[
  ('imputer', SimpleImputer(strategy="median")),
  ('selector', fs),
  ("model", model)])

pipeline.fit(X_train, y_train)

sfs = pipeline.named_steps["selector"]
features = sfs.get_support(indices=True)

y_pred = pipeline.predict_proba(X_test.iloc[:, list(features)])[:, 1]

原本以为sklearn SFS会自动转换数据集以仅保留所选特征，请问实际情况是否如此？有没有方法实现这一功能？

关于SFS自动转换数据集的实际情况 #

你的理解存在偏差：SFS本身会在内部处理特征选择，但当前代码的Pipeline逻辑出现了冲突：

• 你构建的完整Pipeline已经包含了缺失值填充→特征选择→模型预测的全流程，pipeline.fit()后，整个Pipeline已经学习了从原始特征到最终预测的所有转换规则。
• 但你最后手动对X_test做切片筛选特征，跳过了Pipeline中imputer和selector的预处理逻辑，直接给模型喂了未经过统一预处理的特征子集，导致特征维度/名称与模型训练时不匹配，触发错误。

正确实现自动特征转换的方法 #

直接调用训练好的pipeline的predict_proba方法即可，无需手动处理X_test：

y_pred = pipeline.predict_proba(X_test)[:, 1]

整个Pipeline会自动执行以下步骤：

1. 用训练阶段拟合好的SimpleImputer对X_test做缺失值填充
2. 用训练好的SFS自动筛选出选中的特征子集
3. 用最终的LogisticRegression模型生成预测概率

额外说明 #

如果需要查看选中的特征信息，可以使用get_support，但不要用它手动处理测试集：

# 获取选中的特征索引（仅用于查看）
selected_indices = pipeline.named_steps["selector"].get_support(indices=True)
# 若X_train是DataFrame，可获取特征名称
selected_names = X_train.columns[selected_indices]

内容的提问来源于stack exchange，提问作者Charlie