Anaconda Jupyter中决策树model.features_names_in失效问题求解

在Anaconda环境的Jupyter Notebook中，完全可以通过sklearn原生接口正确获取决策树模型的特征名称，无需额外适配工具包，绝大多数相关报错都来自版本不匹配、参数传递错误、特征矩阵格式错误三类问题。

第一步：先排查环境版本 #

sklearn 1.0及以上版本原生支持特征名自动存储，0.24以下的旧版本无该特性，先在Notebook单元格中运行以下代码检查版本：

import sklearn
print(sklearn.__version__)

若版本低于1.0，直接在对应conda环境中执行升级命令即可：

conda install scikit-learn=1.3.0 -c conda-forge

第二步：正确训练模型以自动留存特征名 #

训练模型时，传入的特征矩阵X请直接使用带列名的pandas DataFrame，不要调用.values或.to_numpy()将其转为numpy数组——numpy数组不会存储列名信息，转后会直接丢失特征名。
训练完成后，可直接通过模型内置属性读取特征名：

from sklearn.tree import DecisionTreeClassifier
# 初始化模型
clf = DecisionTreeClassifier(max_depth=3, random_state=42)
# 传入带列名的DataFrame格式X_train完成训练
clf.fit(X_train, y_train)
# 直接读取模型存储的特征名称
feature_names = clf.feature_names_in_

第三步：可视化/特征重要性计算时显式传参避免报错 #

不管是用plot_tree做内置可视化，还是用export_graphviz做导出可视化，不要依赖接口自动识别特征名，显式传入feature_names参数可100%规避特征名显示为X[0]、X[1]或传参报错问题：

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

plt.figure(figsize=(20, 12))
plot_tree(
    clf,
    feature_names=X_train.columns, # 显式传入特征名
    class_names=["负样本", "正样本"], # 按实际分类标签填写
    filled=True,
    rounded=True
)
plt.show()

计算特征重要性时也可直接传入特征名匹配结果：

# 输出按重要性降序排列的特征-重要性值对
feature_importance = sorted(
    zip(X_train.columns, clf.feature_importances_),
    key=lambda x: -x[1]
)
print(feature_importance)

旧版本兼容方案 #

若因环境限制无法升级sklearn，无需依赖模型内置属性，手动维护和特征矩阵顺序完全一致的特征名列表，在所有需要特征名的接口中显式传入该列表即可：

# 手动获取特征名列表，保证和X_train列顺序完全一致
feature_names = X_train.columns.tolist()
# 后续可视化、特征重要性计算均传入该列表即可

注意：如果做了特征选择、train_test_split等操作，要保证特征名列表的顺序和传入模型的特征矩阵列顺序完全一致，否则会出现特征名和分裂规则不匹配的问题。

内容的提问来源于stack exchange，提问作者Harsh780