You need to enable JavaScript to run this app. Kaggle泰坦尼克号项目报错:X特征数与DecisionTreeClassifier要求不符
优惠活动
大模型
产品
解决方案
定价
更多

Kaggle泰坦尼克号项目报错:X特征数与DecisionTreeClassifier要求不符

问题原因

你单独对训练集和测试集执行pd.get_dummies做独热编码,两个数据集生成的独热特征列不一致:

  • 第4步你给训练集的Embarked字段缺失值填充了u,所以训练集的Embarked有4种取值:C、Q、S、u,独热编码后生成4个特征列
  • 第7步你只给测试集填充了Age和Fare的缺失值,没有处理Embarked的缺失值,测试集的Embarked只有3种取值:C、Q、S,独热编码后只生成3个特征列
    两者相加后,训练集X总共有11个特征,测试集X_test只有10个特征,所以预测时会报特征数不匹配的错误。

修复方案

方案1:统一填充测试集的Embarked缺失值

把第7步的填充逻辑修改为和训练集一致,补充Embarked的缺失值填充规则:

test_data = test_data.fillna(value = {'Age' :0, 'Fare' :0, 'Embarked':'u'})

方案2:独热编码后对齐特征列

如果不想修改填充逻辑,也可以在做完独热编码后,让测试集对齐训练集的列,缺失的列补0即可,修改后的第9单元格完整代码如下:

y = train_data["Survived"]

features = ["Pclass", "Sex", "SibSp", "Parch", "Age", "Fare", "Embarked"]
X = pd.get_dummies(train_data[features])
X_test = pd.get_dummies(test_data[features])
# 新增特征列对齐代码,以训练集列为准,测试集缺失列补0
X, X_test = X.align(X_test, join='left', axis=1, fill_value=0)

model = RandomForestClassifier(n_estimators=100, max_depth=8, random_state=1)
model.fit(X, y)
predictions = model.predict(X_test)

output = pd.DataFrame({'PassengerId': test_data.PassengerId, 'Survived': predictions})
output.to_csv('my_submission.csv', index=False)
print("Your submission was successfully saved!")

内容的提问来源于stack exchange,提问作者zen_d

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.10.17 02:24:03