sklearn LinearRegression抛出X does not have valid feature names警告如何解决？

你调用fit()训练模型时，传入的训练集X是带列名的Pandas DataFrame（列名为Weight、Volume），scikit-learn会自动记录训练时的特征名。
后续调用predict()时，你传入的是Python嵌套列表[[2300, 1300]]，这类数据会被转成无特征名的Numpy数组，模型无法验证传入特征的顺序和训练时是否一致，因此抛出安全提示类的警告，不影响运算结果仅做风险提醒。

有三类可落地的处理方式，按推荐优先级排序：

• 方案1：预测时传入和训练时列名、顺序完全一致的DataFrame，从根源避免特征顺序错配的风险，修改预测相关代码即可：

# 把原来的predict参数替换为带列名的DataFrame
predictedCO2_1 = regr.predict(pd.DataFrame([[2300, 1300]], columns=['Weight', 'Volume']))
predictedCO2 = regr.predict(pd.DataFrame([[3300, 1300]], columns=['Weight', 'Volume']))

• 方案2：训练时直接传入无特征名的Numpy数组，让模型不记录特征名，自然不会触发对应警告：

# fit时调用.values取DataFrame对应的数组
regr.fit(X.values, y)
# 后续predict传列表/数组都不会触发警告

• 方案3：确认特征顺序无错误的前提下，主动过滤该类警告，不推荐新手使用，容易掩盖实际的特征顺序错配问题：

import warnings
warnings.filterwarnings("ignore", category=UserWarning, message="X does not have valid feature names")

内容的提问来源于stack exchange，提问作者Mert Taner