如何获得单个数据条目的预测

Posted 2023-03-12

【中文标题】如何获得单个数据条目的预测

【英文标题】：How to get prediction for a single data entry

【发布时间】：2019-11-29 12:01:12

【问题描述】：

我有一个训练有素的模型存储在 pickle 中。我需要做的就是在 pandas 中获取一个单值数据框，并通过将其传递给模型来获得预测。

为了处理分类列，我使用了单热编码。因此，为了将 pandas 数据帧转换为 numpy 数组，我还在单值数据帧上使用了单热编码。但它显示了我的错误。

import pickle
import category_encoders as ce
import pandas as pd

pkl_filename = "pickle_model.pkl"

with open(pkl_filename, 'rb') as file:
    pickle_model = pickle.load(file)

ohe = ce.OneHotEncoder(handle_unknown='ignore', use_cat_names=True)
X_t = pd.read_pickle("case1.pkl")
X_t_ohe = ohe.fit_transform(X_t)
X_t_ohe = X_t_ohe.fillna(0)
Ypredict = pickle_model.predict(X_t_ohe)
print(Ypredict[0])

Traceback（最近一次调用最后一次）： 文件“Predict.py”，第 14 行，在 Ypredict = pickle_model.predict(X_t_ohe) 预测中的文件“/home/neo/anaconda3/lib/python3.6/site-> packages/sklearn/linear_model/base.py”，第 289 行 分数 = self.decision_function(X) 文件“/home/neo/anaconda3/lib/python3.6/site-packages/sklearn/linear_model/base.py”，第 270 行，在决策函数中 % (X.shape[1], n_features)) ValueError：X 每个样本有 93 个特征；期待 989

【问题讨论】：

你也可以分享你的训练脚本吗？

【参考方案1】：

发生这种情况是因为 OneHotEncoder 实际上将您的数据框转换为许多不同的数值列，并且您的 pickle 模型实际上具有来自原始文件的训练模型，该模型没有相同的维度（相同的列数）

要纠正此问题，您需要在应用 one-hot-encoder 后重新训练模型，然后将其保存为 pickle 文件并重复使用该模型。