StandardScaler适配18特征后如何转换8特征？模型部署遇特征数不匹配

问题根源在于你训练时用18个特征拟合了StandardScaler，但部署时仅传入8个特征——scaler需要所有18个特征的统计量（均值、方差）来完成转换，因此出现维度不匹配的报错。下面是三种可行的解决方法：

方法1：调整训练流程，先筛选特征再标准化（推荐） #

修正训练顺序，确保StandardScaler仅拟合最终要使用的8个特征，从根源避免维度问题：

from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from boruta import BorutaPy
from sklearn.ensemble import RandomForestClassifier

# 1. 拆分训练测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 2. 用Boruta筛选特征
boruta_selector = BorutaPy(estimator=RandomForestClassifier(n_jobs=-1), 
                           n_estimators='auto', verbose=2, random_state=42)
boruta_selector.fit(X_train.values, y_train.values)

# 获取选中的特征列名（假设X_train是DataFrame）
selected_features = X_train.columns[boruta_selector.support_]

# 3. 提取筛选后的特征
X_train_selected = X_train[selected_features]
X_test_selected = X_test[selected_features]

# 4. 对筛选后的特征拟合StandardScaler
scaler = StandardScaler()
X_train_scaled = scaler.fit_transform(X_train_selected)
X_test_scaled = scaler.transform(X_test_selected)

# 5. 训练模型
model = RandomForestClassifier(n_jobs=-1)
model.fit(X_train_scaled, y_train)

# 部署时直接转换新数据（新数据包含8个选中特征）
new_data = ...  # 你的8特征新数据集
new_data_scaled = scaler.transform(new_data)
predictions = model.predict(new_data_scaled)

方法2：从已拟合的Scaler中提取目标特征的统计量 #

如果不想重新训练，可直接从原18特征的scaler中提取选中8个特征的均值和方差，构建新的scaler实例：

# 假设你已有的变量：
# scaler = StandardScaler()  # 已拟合18个特征
# selected_features_idx = [...]  # Boruta选中的特征在原始18列中的索引

# 提取选中特征的统计量
selected_mean = scaler.mean_[selected_features_idx]
selected_scale = scaler.scale_[selected_features_idx]

# 创建并配置新的StandardScaler
new_scaler = StandardScaler()
new_scaler.mean_ = selected_mean
new_scaler.scale_ = selected_scale
new_scaler.n_features_in_ = len(selected_features_idx)
new_scaler.n_samples_seen_ = scaler.n_samples_seen_

# 转换新数据
new_data_scaled = new_scaler.transform(new_data)
predictions = model.predict(new_data_scaled)

方法3：用Pipeline串联特征选择与标准化 #

通过Pipeline绑定特征选择和标准化步骤，确保整个预处理流程的一致性，避免手动操作失误：

from sklearn.pipeline import Pipeline
from sklearn.compose import ColumnTransformer
from sklearn.preprocessing import StandardScaler
from sklearn.ensemble import RandomForestClassifier

# 假设已获取选中的特征列名selected_features
preprocessor = Pipeline([
    # 筛选目标特征
    ('select_features', ColumnTransformer([
        ('selected', 'passthrough', selected_features)
    ])),
    # 标准化
    ('scaler', StandardScaler())
])

# 拟合预处理流程
preprocessor.fit(X_train)

# 转换训练/测试数据
X_train_scaled = preprocessor.transform(X_train)
X_test_scaled = preprocessor.transform(X_test)

# 训练模型
model = RandomForestClassifier(n_jobs=-1)
model.fit(X_train_scaled, y_train)

# 部署时直接用预处理流程转换新数据
new_data_scaled = preprocessor.transform(new_data)
predictions = model.predict(new_data_scaled)

内容的提问来源于stack exchange，提问作者Igor