使用sklearn PolynomialFeatures报错：特征数量不匹配问题求助

错误原因 #

你遇到的报错核心是特征数量不匹配：

• PolynomialFeatures是基于X_train训练的，而X_train是df.drop(["Faltas"],axis=1)拆分后的子集，特征数为9（原数据集去掉Faltas列后的特征数）。
• 但你调用poly.transform(df)时，传入的df包含了Faltas列，总特征数是10，和模型训练时的9个特征不匹配，因此触发ValueError。

解决步骤 #

• 第一步：提前分离特征集与目标变量，避免后续混淆
  先把原数据拆分为纯特征集X和目标变量Y，后续所有预处理操作都基于X：

  X = df.drop(["Faltas"], axis=1)
  Y = df["Faltas"]
  

• 第二步：修正transform的输入数据
  训练好的poly只能接收和X_train特征数一致的数据，根据需求选择输入：
  • 生成训练集的交互特征：用X_train作为transform的输入
  • 生成整个特征集的交互特征：用X作为transform的输入
  • 生成测试集的交互特征：用X_test作为transform的输入

完整修正代码 #

from sklearn.model_selection import train_test_split
from sklearn.preprocessing import PolynomialFeatures
import pandas as pd

# 提前分离特征与目标变量
X = df.drop(["Faltas"], axis=1)
Y = df["Faltas"]

# 拆分训练集和测试集
X_train, X_test, Y_train, Y_test = train_test_split(X, Y, train_size=0.8)

# 拟合多项式特征生成器
poly = PolynomialFeatures(interaction_only=True, include_bias=False).fit(X_train)

# 生成训练集的交互特征DataFrame
X_train_I = pd.DataFrame(poly.transform(X_train), columns=poly.get_feature_names(X_train.columns))
print(X_train_I.head(5))

# 如果需要生成测试集的交互特征，用下面的代码
# X_test_I = pd.DataFrame(poly.transform(X_test), columns=poly.get_feature_names(X_train.columns))

内容的提问来源于stack exchange，提问作者Daniel Martinez