SKLearn 1.0 版本中警告“有效功能名称”

Question

升级到 scikit-learn 1.0 版本后，我收到以下警告：

UserWarning：X 没有有效的功能名称，但 IsolationForest 已安装了功能名称

我在文档中找不到什么是“有效的功能名称”。我该如何处理这个警告？

Answer 1

我在另一个 sklearn 模型中收到了同样的警告消息。我意识到它之所以出现，是因为我用数据框中的数据拟合了模型，然后仅使用这些值进行预测。从我解决这个问题的那一刻起，警告就消失了。

这是一个例子：

model_reg.fit(scaled_x_train, y_train[vp].values)
data_pred = model_reg.predict(scaled_x_test.values)

第一个代码有警告，因为scaled_x_train是带有特征名称的 DataFrame，而scaled_x_test.values是只有值，没有特征名称。然后，我改成了这样：

model_reg.fit(scaled_x_train.values, y_train[vp].values)
data_pred = model_reg.predict(scaled_x_test.values)

现在我的代码中不再有警告。

Answer 2

我遇到了非常类似的错误，但是在模块 DecisionTreeClassifier forFit和上Predict。

最初，我发送数据帧作为输入以适应标头，但出现错误。

当我修剪以删除标头并仅发送值时，错误消失了。更改之前和之后的示例代码。

带警告的代码：

model = DecisionTreeClassifier()
model.fit(x,y)  #Here x includes the dataframe with headers
predictions = model.predict([
    [20,1], [20,0]
])
print(predictions)

没有警告的代码：

model = DecisionTreeClassifier()
model.fit(x.values,y)  #Here x.values will have only values without headers
predictions = model.predict([
     [20,1], [20,0]
])
print(predictions)

Answer 3

我也遇到了同样的问题。问题是由于我使用 X 训练数据作为数据帧（model.fit(X,Y)）拟合模型，并使用 X 测试作为数组（model.predict([ [20,0] ]) ）进行预测。为了解决这个问题，我已将 X 列车数据帧转换为数组，如下所示。

前

model = DecisionTreeClassifier()
model.fit(X,Y) # X train here is a dataFrame
predictions = model.predict([20,0])  ## generates warning 

后

model = DecisionTreeClassifier()
X = X.values # conversion of X  into array
model.fit(X,Y)
model.predict([ [20,0] ])  #now ok , no warning

Answer 4

到目前为止，其他答案建议使用 numpy 数组而不是训练数据的数据框进行（重新）训练。该警告是一种安全功能，以确保您传递您想要的数据，因此我建议将数据框（带有正确的列标签！）传递给函数predict，例如：

test_row = pd.Dataframe({
    "<feat1_name>": [20],
    "<feat2_name>": [0],
})
model.predict(test_row)

另请注意，这只是警告，而不是错误。您可以忽略该警告并继续执行其余代码，不会出现任何问题；只要确保数据的顺序与训练时的顺序相同即可！