如何使用已训练的随机森林（Random Forest）模型输出单样本预测结果

你已经完成了模型训练和编码器拟合，仅需按特征对齐、编码、预测、逆编码四个步骤操作即可，示例代码如下：

import pandas as pd

# 构造待预测单样本，特征顺序必须和训练时保持完全一致
sample_df = pd.DataFrame(
    [["Son", "19-30", "Games", "Yes", "C"]], 
    columns=["Gender", "Age", "Leisure", "Married", "Division"]
)

# 用已拟合的特征编码器转换样本
sample_encoded = encoder1.transform(sample_df)

# 模型预测得到编码后的标签
pred_encoded = rfc.predict(sample_encoded)

# 用已拟合的标签编码器逆转换，得到Yes/No结果
pred_label = encoder2.inverse_transform(
    pd.DataFrame(pred_encoded, columns=["Online Shopping"])
)
print("预测结果：", pred_label["Online Shopping"].iloc[0])

注意事项 #

• 单样本的特征顺序、特征名称必须和训练集完全一致，否则会出现编码错误或预测结果偏移
• 不要重新调用encoder1.fit()、encoder2.fit()方法，否则会覆盖原有编码映射规则，导致结果失效
• 你原有代码中存在数据泄露风险：拆分训练集、测试集应该在编码之前完成，编码器仅用训练集数据拟合，不能直接用全量X拟合后同时转换训练集和测试集

内容的提问来源于stack exchange，提问作者bellatrix