XGBoost分类器加载后预测报错：提示训练数据缺失字段求助

核心问题 #

你遇到的报错本质是预测时传入的数据格式与训练时不匹配：XGBoost模型用DataFrame训练时会记录特征名称，但你传入的是纯数组，模型无法将数组元素映射到对应特征名，哪怕X_train包含所有字段，也会触发缺失字段的错误。

解决方法 #

1. 将单条预测数据转为与X_train列名完全一致的DataFrame

这是最稳妥的对齐方式：

import pandas as pd

# 用字典存储单条特征（键为特征名，值为对应数据）
single_sample = {
    "age": 35,
    "sex": "F",
    "on_thyroxine": False,
    # 补全所有训练时的特征，包括referral_source生成的独热编码字段
}

# 转为DataFrame，确保列名和X_train完全匹配
sample_df = pd.DataFrame([single_sample])

# 加载模型后执行预测
loaded_model.predict(sample_df)

如果单条数据是列表，要保证元素顺序和X_train的列顺序完全一致，再转DataFrame：

cols = X_train.columns.tolist()
single_sample_list = [35, "F", False, ...]  # 顺序与cols严格对应
sample_df = pd.DataFrame([single_sample_list], columns=cols)
loaded_model.predict(sample_df)

2. 同步预处理流程（若训练时有预处理操作）

如果训练前做了独热编码、特征缩放等预处理，必须把预处理管道也保存下来，预测时先对单条数据执行相同处理：

import pickle
from sklearn.preprocessing import OneHotEncoder
from sklearn.compose import ColumnTransformer

# 训练时定义并保存预处理管道
preprocessor = ColumnTransformer(
    transformers=[
        ('cat', OneHotEncoder(), ['sex', 'referral_source'])
    ],
    remainder='passthrough'
)
X_train_processed = preprocessor.fit_transform(X_train)

with open('preprocessor.pkl', 'wb') as f:
    pickle.dump(preprocessor, f)
with open('xgb_model.pkl', 'wb') as f:
    pickle.dump(model, f)

# 预测时加载管道和模型
with open('preprocessor.pkl', 'rb') as f:
    loaded_preprocessor = pickle.load(f)
with open('xgb_model.pkl', 'rb') as f:
    loaded_model = pickle.load(f)

# 先预处理单条数据再预测
sample_processed = loaded_preprocessor.transform(sample_df)
loaded_model.predict(sample_processed)

3. 强制指定特征名（应急可用，不推荐）

如果坚持用数组预测，可手动为加载后的模型指定特征名，确保数组顺序与特征名完全对应：

loaded_model.feature_names = X_train.columns.tolist()
# 此时传入的数组顺序必须和X_train列顺序严格一致
loaded_model.predict([single_sample_list])

内容的提问来源于stack exchange，提问作者ankit973