模型拟合时出现UserWarning: X has feature names, but GaussianNB was fitted without feature names警告如何解决？

这个警告的核心原因是：训练GaussianNB模型时输入的特征数据没有附带特征名称（比如用了纯numpy数组），但后续调用模型时传入的是带有特征名的数据结构（比如pandas DataFrame），两者的特征名状态不一致导致了警告。

以下是几种可行的解决方法：

• 方法一：统一使用无特征名的数组
  训练和预测阶段都将数据转换为不带特征名的numpy数组，确保前后数据结构完全一致。示例代码：

  from sklearn.naive_bayes import GaussianNB
  import pandas as pd
  
  # 假设X_train、X_test是pandas DataFrame
  X_train_array = X_train.to_numpy()
  X_test_array = X_test.to_numpy()
  
  model = GaussianNB()
  model.fit(X_train_array, y_train)
  
  # 预测时传入数组
  y_pred = model.predict(X_test_array)
  

• 方法二：训练时保留特征名（需scikit-learn 1.2+）
  scikit-learn 1.2及以上版本开始支持GaussianNB保留特征名，直接用带特征名的DataFrame训练模型，后续预测时传入同结构的数据就不会触发警告。示例代码：

  from sklearn.naive_bayes import GaussianNB
  import pandas as pd
  
  # 直接用DataFrame训练
  model = GaussianNB()
  model.fit(X_train, y_train)
  
  # 预测时直接传入DataFrame
  y_pred = model.predict(X_test)
  

  如果你的scikit-learn版本过低，先执行升级命令：pip install --upgrade scikit-learn

• 方法三：临时屏蔽警告（不推荐）
  如果你能保证训练和预测的特征顺序完全一致，只是不想看到警告，可以用warnings模块临时屏蔽：

  import warnings
  warnings.filterwarnings("ignore", message="X has feature names, but GaussianNB was fitted without feature names")
  

内容的提问来源于stack exchange，提问作者Janvi