Pandas构建CART模型遇ValueError：特征名称与数量不匹配

错误含义 #

ValueError: Length of feature_names, 5 does not match number of features, 4 这个报错的核心是：你给模型指定的特征名称列表长度是5，但实际传入模型训练的特征数据只有4个维度，两者数量不对应，模型无法将每个特征和名称一一匹配，因此触发错误。

结合你的场景——原本计划只用Age、Monthly Charge两个特征预测Customer Status，说明代码里要么特征选多了，要么特征名称列表写多了元素。

解决方案 #

1. 核对特征数量与特征名列表的一致性 #

• 先确认实际传入模型的特征数量：执行print(X.shape[1])，如果你要的是2个特征，这里应该输出2；如果输出4，说明你不小心选了4列特征。
• 调整feature_names列表，让它的长度和X的特征维度完全一致。比如正确的特征名列表应该是['Age', 'Monthly Charge']，或者直接用数据列名避免手动输入错误：

  feature_names = X.columns.tolist()
  

2. 修正特征选择逻辑 #

检查提取特征的代码，确保只保留你需要的两列，避免多选：

# 正确提取目标特征
X = new_df[['Age', 'Monthly Charge']]
y = new_df['Customer Status']

3. 绘制决策树时的检查 #

如果是在可视化决策树时触发的错误，要确保传入plot_tree的feature_names和训练模型用的特征数量一致：

from sklearn.tree import DecisionTreeClassifier, plot_tree
import matplotlib.pyplot as plt

# 训练CART模型
clf = DecisionTreeClassifier()
clf.fit(X, y)

# 可视化时用正确的特征名
plt.figure(figsize=(12, 8))
plot_tree(clf, feature_names=X.columns.tolist(), class_names=clf.classes_, filled=True)
plt.show()

常见错误原因 #

• 手动写feature_names时多打了元素，或者漏写了，导致长度不匹配。
• 特征选择时复制粘贴列名，不小心带了多余的列。
• 数据预处理（比如独热编码）生成了额外特征，但没同步更新feature_names。

内容的提问来源于stack exchange，提问作者c200402