时间戳

首页 > 解决方案 > 在测试集（保留集）的特征选择期间丢弃特征后特征形状不匹配

python - 在测试集（保留集）的特征选择期间丢弃特征后特征形状不匹配

问题描述

我已将我的数据（train.tsv）分成两组（训练和验证集），即 X_train、y_train、X_validation、y_validation。

选择特征后，我放弃了 6 个特征。删除功能后：

X_train.shape, y_train.shape, X_validation.shape, y_validation.shape, X_test.shape

返回：

((59372, 40), (59372,), (14844, 40), (14844,), (10618, 46))

在 X_train 和 y_train 上拟合我的模型后，我已经在 X_validation 上预测了我的模型。

但我也想在一个单独的保持集（test.tsv）上预测我的模型，使用

y_pred_on_testset = model.predict(X_test)

这个保留集本质上是看不见的数据，我没有在上面训练我的模型。然而，这个保留集有 46 个特征（如上图 X_test.shape 所示）。

如果我也放弃了这个 test.tsv（测试集）上的 6 个功能，这是否有意义？我确定我可以在删除 6 个功能后在此测试集上预测我的模型，否则它将返回错误：

ValueError：特征形状不匹配，预期：40，得到 46

因为我在 40 个特征上训练了我的模型，而不是 46 个。

我不确定是否应该继续删除这 6 个功能？由于测试集是我不应该修改的看不见的数据？

非常感谢任何建议，谢谢！

标签： python

解决方案

你可以.T像下面这样使用。你需要Transpose matrix. 当您在使用第一个矩阵之前读取test set和存储时，如下所示。numpy arrayTranspose

>>> test = np.array([[1,2,2],[3,2,4]])
>>> test.shape
(2,3)
>>> test.T.shape
(3,2)

推荐阅读