LinearRegression拟合含特征名但预测时无有效特征名报错求助

方法一：保持特征名匹配（推荐） #

训练时用的是带列名的DataFrame，预测时也传入结构一致的DataFrame，确保列名和顺序与训练数据完全相同：

import pandas as pd

# 原代码不变，仅修改预测部分
sample = [10000, 1000]
# 将样本转换成带列名的DataFrame
sample_df = pd.DataFrame([sample], columns=['Personal income', 'Personal saving'])
sample_pred = regr.predict(sample_df)

方法二：使用numpy数组拟合和预测 #

如果不需要依赖特征名，可以在拟合阶段就把训练数据转换成numpy数组，这样模型不会记录特征名，预测时直接传数组即可：

# 修改拟合部分的代码
regr = linear_model.LinearRegression().fit(X_train.values, y_train)

# 预测部分无需修改，直接传数组
sample = [10000, 1000]
sample_pred = regr.predict([sample])

关于你之前加.values仍报错的原因 #

大概率是只修改了X的定义，但train_test_split会保留DataFrame结构，X_train仍然是带列名的DataFrame，导致拟合时模型还是记录了特征名，预测传数组就会触发警告。要么在拟合时明确把X_train转成数组，要么预测时用DataFrame匹配特征名即可解决。

内容的提问来源于stack exchange，提问作者Ashlyxn