机器学习平台系列——XGB feature_names mismatch 问题解决方案

在构建机器学习平台时遇到了XGBoost的'feature_names mismatch'错误。通过在预测时添加validate_features=False参数可以暂时解决,但这可能引发更多问题。为保持系统一致性,采用适配器设计模式,创建一个adapter类包装XGBClassifier,修改其predict方法以在不指定validate_features时也能正常工作。这种方式避免了直接修改XGB源码的复杂性,确保平台中所有组件遵循相同接口规则。

最近开发公司的机器学习平台的XGBoost控件。结果报了一个bug,说“feature_names mismatch”。

现在我们来复现这个bug:

import xgboost as xgb
import pandas as pd
from sklearn.datasets import make_classification
from sklearn.model_selection import train_test_split

X, y = make_classification(n_features=4)
X_train, X_test, y_train, y_test = train_test_split(X, y)
features = ['a1', 'a2', 'a3', 'a4']
df = pd.DataFrame(data=X_train, columns=features)
df['y'] = y_train

X_train = df[['a1', 'a2', 'a3', 'a4']]
y_train = df['y']
model = xgb.XGBClassifier()
model.fit(X_train, y_train)

以上代码随机生成了一个分类数据集,它的特征的名字是a1, a2, a3, a4。我们用pandas的数据集,而不是numpy的数列,传给XGB的fit函数来训练模型。这里还没有出现bug。

然而在预测的时候,出现了bug。

model.predict(X_test)

bug的描述如下:

-----------------
评论 3
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

织网者Eric

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值