MATLAB 2015b中fitctree分类器新数据预测问题：predict报错、kfoldPredict困惑

我来帮你拆解下你遇到的两个问题：predict函数报错，以及搞不清kfoldPredict怎么处理新数据。

一、predict调用报错的常见原因及修复方法 #

你训练完分类树后用predict预测新数据时出错，90%是因为新数据tabletest和训练数据的格式不匹配，具体排查点如下：

• 特征列名/顺序不匹配：训练用的表格和tabletest的特征列必须完全同名，顺序最好也对应。比如训练时用了Age、BMI这两列当特征，那tabletest也得有一模一样的列名，不能写成age或者bmi（MATLAB对大小写敏感）。你可以用这两行代码对比列名：

  training_vars = training_table.Properties.VariableNames;
  test_vars = tabletest.Properties.VariableNames;
  

  看看输出的两个单元格数组是不是完全一致。
• 数据类型不一致：比如训练数据里某列是数值型（double），但tabletest对应列是字符型，这会直接导致predict识别失败。可以用class(training_table{1, 'Age'})和class(tabletest{1, 'Age'})逐个检查特征列的类型。
• 缺少必要特征：tabletest必须包含训练时用的所有输入特征，不能少列。比如训练时用了5个特征，tabletest只给了4个，肯定会报错。
• 调用语法错了：正确的调用格式应该是这样的（假设你训练的模型是tree_model，训练数据是带标签的表格training_table）：

  % 训练模型
  tree_model = fitctree(training_table, 'LabelColumnName');
  % 预测新数据
  predicted_labels = predict(tree_model, tabletest);
  

  要是你把模型和新数据的顺序搞反了，或者漏传了参数，也会出问题。

二、kfoldPredict的正确打开方式 #

你可能误解了kfoldPredict的用途：它不是用来预测新数据的，而是针对交叉验证模型（比如你用fitctree时加了'CrossVal','on'参数得到的ClassificationPartitionedModel），用来对交叉验证的折叠内数据做预测，评估模型的泛化能力的。

如果想用交叉验证后的模型预测新数据，得这么做：

1. 先训练交叉验证模型：

   cv_model = fitctree(training_table, 'LabelColumnName', 'CrossVal', 'on');
   

2. 提取所有折叠的子模型，对新数据分别预测后取多数投票（分类任务常用的方式）：

   % 获取每个交叉验证折叠的训练好的模型
   fold_models = cv_model.Trained;
   % 用每个模型预测新数据
   all_preds = cell(length(fold_models), 1);
   for i = 1:length(fold_models)
       all_preds{i} = predict(fold_models{i}, tabletest);
   end
   % 对每个样本的所有预测结果取众数，得到最终标签
   predicted_labels = mode(cell2mat(all_preds), 1);
   

   要是你只是需要一个简单的模型来预测新数据，其实直接用不带交叉验证的fitctree训练的模型调用predict就够了，没必要绕交叉验证的流程。

三、快速排查步骤 #

1. 先核对tabletest的列名、数量、数据类型和训练数据100%匹配；
2. 检查predict的调用语法是否符合predict(模型对象, 新数据)的格式；
3. 别用kfoldPredict处理新数据，它是给交叉验证做性能评估用的工具。

内容的提问来源于stack exchange，提问作者user3470496