LightGBMError：不支持功能名称中的特殊 JSON 字符 - 相同的代码在 jupyter 中有效，但在 Spyder 中无效

Question

我有以下代码：

    most_important = features_importance_chi(importance_score_tresh, 
    df_user.drop(columns = 'CHURN'),churn)
    X = df_user.drop(columns = 'CHURN')
    churn[churn==2] = 1
    y = churn

    # handle undersample problem
    X,y = handle_undersampe(X,y)

    # train the model

    X=X.loc[:,X.columns.isin(most_important)].values
    y=y.values

    parameters = {
    'application': 'binary',
    'objective': 'binary',
    'metric': 'auc',
    'is_unbalance': 'true',
    'boosting': 'gbdt',
    'num_leaves': 31,
    'feature_fraction': 0.5,
    'bagging_fraction': 0.5,
    'bagging_freq': 20,
    'learning_rate': 0.05,
    'verbose': 0
    }

    # split data
    x_train, x_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42, stratify=y)

    train_data = lightgbm.Dataset(x_train, label=y_train)
    test_data = lightgbm.Dataset(x_test, label=y_test)
    model = lightgbm.train(parameters,
                       train_data,
                       valid_sets=[train_data, test_data], 
                       **feature_name=most_important,**
                       num_boost_round=5000,
                       early_stopping_rounds=100) 

和返回 most_important 参数的函数

def features_importance_chi(importance_score_tresh, X, Y):
    model = ExtraTreesClassifier(n_estimators=10)
    model.fit(X,Y.values.ravel())
    feature_list = pd.Series(model.feature_importances_,
                             index=X.columns)
    feature_list = feature_list[feature_list > importance_score_tresh]
    feature_list = feature_list.index.values.tolist()
    return feature_list

有趣的是，Spyder 中的这段代码返回以下错误

LightGBMError: Do not support special JSON characters in feature name.

但在 jupyter 中工作正常。我能够打印最重要功能的列表。

知道这个错误的原因是什么吗？

Answer 1

你知道吗，这个消息经常出现在 LGBMClassifier() 模型上，即 LGBM。一旦您从熊猫上传数据并且您的头部出现问题，只需在开头删除此行：

import re
df = df.rename(columns = lambda x:re.sub('[^A-Za-z0-9_]+', '', x))