pandas - sklearn 确保按预期排序的特征进行预测

Question

我使用 sklearn 训练模型，在 pandas 数据框中的数据上进行训练。请参阅下面的代码片段，该代码片段可以重现我训练的模型。

import pandas as pd 
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
dataset = load_iris()

X = pd.DataFrame(dataset['data'], columns=dataset['feature_names'])
y = pd.DataFrame(dataset['target'], columns=['target_names'])
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)
logistic_regression = LogisticRegression()
logistic_regression.fit(X_train, y_train)

现在，当我想进行预测时，用户通过字典发送预测，其中每个键是特征名称，每个值是该特征的值。

似乎没有强制执行预测中的特征根据 DataFrame 中的特征命名。我理解这一点，但问题是，当功能由用户命名时，我怎么知道它们是如何排序的？

example = {
 'a':1, # randomly named features 
 'b':2,
 'c':3,
 'd':4
}
logistic_regression.predict(pd.DataFrame.from_records(example, index=[0]))  # works

我如何知道预测是否将这些值发送为[1,2,3,4]或[2,1,3,4]等。

标签： pandasscikit-learnsklearn-pandas

Answer 1

一种方法是存储feature_names训练数据的顺序，这样当新数据以字典形式出现时，您可以使用该存储顺序对值进行排序。

如果您不想存储额外的对象，另一种方法是在字典键中添加某种“订单标识符”。例如，如果说顺序是d b c a，那么您可以将字典键的名称更改为1_d, 2_b, 3_c, 4_a，这样如果您将其转换为列表，您就可以在不使用原始特征列表的情况下对其进行排序。