构建随机森林分类模型后查看决策树遇feature_names数量不匹配错误

问题本质 #

你遇到的ValueError核心原因是：训练tr_classifier时用的特征总数是155个，但你现在传入export_text的X.columns只有19个特征，两者完全不匹配。

具体解决步骤 #

1. 确认训练模型时的特征集细节
   你的原始特征是19个，但训练时大概率对分类特征（比如Ethnicity、Gender、Diagnosis这类）做了独热编码/虚拟变量转换，把单个分类列拆成了多个二进制特征，导致总特征数膨胀到155。
   直接检查训练时的特征矩阵：

   # 替换成你训练模型时用的特征矩阵变量名（比如X_train）
   print("训练时特征数量：", X_train.shape[1])
   # 如果X_train是DataFrame，直接打印所有特征名
   print("训练时特征列表：", X_train.columns.tolist())
   # 如果用了ColumnTransformer/Pipeline，从预处理组件提取特征名
   # 示例（假设预处理组件叫preprocessor）：
   # train_feature_names = preprocessor.get_feature_names_out()
   

2. 使用训练时的完整特征名传入export_text
   把上面拿到的155个训练特征名列表传给feature_names参数，替换当前的X.columns：

   from sklearn.tree import export_text
   
   # 假设train_feature_names是你拿到的155个特征名列表
   print(export_text(tr_classifier.estimators_[0], 
                     spacing=3, decimals=3,
                     feature_names=train_feature_names))
   

3. 排查数据不一致的根源
   当前X只有19个特征，大概率是因为：

   • 你加载了原始未做预处理的数据集，而非训练时用的预处理后数据集
   • 训练代码中的特征预处理步骤（编码、筛选等）没有同步到当前的代码环境中
   • 训练模型后修改了特征集，但未重新训练模型

内容的提问来源于stack exchange，提问作者Dharmini