scikit-learn 1.0版本出现valid feature names警告如何处理？

UserWarning: X does not have valid feature names, but IsolationForest was fitted with feature name

该警告是scikit-learn 1.0版本新增的特征名一致性校验机制触发的，valid feature names的定义如下：
当你拟合IsolationForest（以及其他scikit-learn估计器）时，如果传入带列名的pandas DataFrame，模型会自动将训练集的列名存储到feature_names_in_属性中；后续调用predict()/fit_predict()/score_samples()等方法时，传入的推理数据必须是带有和feature_names_in_完全匹配列名的DataFrame，才会被判定为具备有效特征名，否则就会抛出该警告。
该机制的设计目的是避免你不小心把推理数据的特征顺序搞混，导致错误的预测结果。

• 优先选择：保持训练和推理的数据结构一致
  如果训练时传入的是pandas DataFrame，推理时也传入列名和训练集完全一致的DataFrame即可，不要手动将DataFrame转成numpy数组传入。示例代码：

# 训练阶段（传入DataFrame）
model = IsolationForest()
model.fit(train_df)

# 推理阶段（同样传入DataFrame，不要用train_df.values）
pred = model.predict(test_df)

如果你的推理数据本身是numpy数组，可以将其转为带正确列名的DataFrame再传入：

# 从训练好的模型中读取存储的特征名
feature_names = model.feature_names_in_
# 将推理数组转为带对应列名的DataFrame
test_input = pd.DataFrame(test_numpy_array, columns=feature_names)
pred = model.predict(test_input)

• 临时方案：确定特征顺序完全一致时，直接过滤警告
  如果你确认推理数据的特征顺序和训练集100%匹配，不需要特征名校验，可以直接过滤该类警告：

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

• 彻底规避：训练时就不传入特征名
  如果你不需要用到scikit-learn的特征名相关功能，训练时直接传入numpy数组即可，后续推理也传数组就不会触发该警告：

# 训练时传入数组
model.fit(train_df.values)
# 推理时传入数组
pred = model.predict(test_numpy_array)

内容的提问来源于stack exchange，提问作者Jaume Figueras