ValueError:X有500000个功能，但ExtraTreeClassifier需要7个功能作为输入

Question

我正在尝试为我用extratees分类器实现的机器学习模型开发一个UI

下面的代码显示了我如何在培训后导出模型以在UI中使用。使用is_attributed列进行预测

import numpy as np
import pandas as pd
from collections import Counter
import datetime
from sklearn.model_selection import train_test_split
from sklearn.model_selection import RepeatedStratifiedKFold
import gc

import warnings
warnings.simplefilter('ignore')

df = pd.read_csv('../cleaned_train.csv', index_col=0)

df['click_time'] = pd.to_datetime(df['click_time'])

df.info()
<class 'pandas.core.frame.DataFrame'>
Int64Index: 10000000 entries, 0 to 9999999
Data columns (total 9 columns):
 #   Column         Dtype         
---  ------         -----         
 0   ip             int64         
 1   app            int64         
 2   device         int64         
 3   os             int64         
 4   channel        int64         
 5   click_time     datetime64[ns]
 6   is_attributed  int64         
 7   hour           int64         
 8   day            int64         
dtypes: datetime64[ns](1), int64(8)
memory usage: 762.9 MB

X= df.drop(columns=['is_attributed', 'click_time'])
y= df['is_attributed']

#Undersample data
from imblearn.under_sampling import RandomUnderSampler

rus = RandomUnderSampler() 
X_res, y_res = rus.fit_resample(X, y)

X_train, X_test, y_train, y_test = train_test_split(X_res, y_res, test_size = 0.33, 
random_state = 0)

from sklearn.ensemble import ExtraTreesClassifier
from sklearn.model_selection import GridSearchCV
import pickle

# ExtraTreesClassifier
ec = ExtraTreesClassifier(max_depth=None, n_estimators=50)
ec.fit(X_train, y_train)

y_predec=ec.predict(X_test)
pickle.dump(gsec,open('model.pkl','wb'))

当我试图打印这个print(gsec.predict(X_test))时，我得到的结果是[1 1 0 ... 1 1 0]

当我尝试用flask开发UI时，问题就出现了。我将模型导入烧瓶中并尝试预测。下面是代码

# importing necessary libraries and functions
import numpy as np
import pandas as pd
from flask import Flask, request, jsonify, render_template, make_response
from werkzeug.utils import secure_filename
from werkzeug.datastructures import  FileStorage
import pickle
import io
from io import StringIO
import csv

app = Flask(__name__) #Initialize the flask App

@app.route('/') # Homepage
def home():
return render_template('index.html')


@app.route('/predict',methods=['GET', 'POST'])
def predict():
'''
For rendering results on HTML GUI
'''

# retrieving values from form
if request.method == 'POST':
  f = request.files['data_file']
  if not f:
    return "No file"

stream = io.StringIO(f.stream.read().decode("UTF8"), newline=None)
csv_input = csv.reader(stream)
# print(csv_input)
for row in csv_input:
    print(row)

stream.seek(0)
result = stream.read()

df = pd.read_csv('newcleaned_test.csv')
attribute = df['is_attributed']
ip = df['ip']

print (attribute)

# load the model from disk
loaded_model = pickle.load(open('model.pkl', 'rb'))
prediction = loaded_model.predict([attribute])

print (prediction)
return 'prediction'



if __name__ == "__main__":
app.run(debug=True)

尝试运行上述代码时

ValueError: X has 500000 features, but ExtraTreeClassifier is expecting 7 features as input.

显示在我的浏览器中。（我使用的数据文件有500000个数据，有7列）。当我使用一列训练模型时，为什么会抛出这个错误

Answer 1

你在这里有一些误解

首先，从代码中，您可以看到模型在7列上作为输入进行训练[ip, app, device, os, channel, hour, day]。并对模型进行训练，从is_attributed列预测值。因此，为模型列表提供7个值->；接收1个值作为输出。这个值似乎是0或1，取决于输入的7个值

其次，我们现在可以进入烧瓶部分。基本上，这里要做的是加载dataframe并选择一列（attribute = df['is_attributed']）。如果您的dataframe有50000行，并且您选择了一列，则表示您选择了50000个值！然后你们试着把它发送给模型，模型需要7个值作为输入。 从我的角度来看，您似乎希望在test数据帧的每一行上运行模型

为此，您需要：

1. 加载test数据帧
2. 检查dataframe中是否只有7列（[ip, app, device, os, channel, hour, day]）。如果有更多列，请删除所有其他列
3. 检查数据帧中的每一行（总共50000行中的每一行）
4. 使用行中的7个值作为输入运行模型
5. 模型的输出附加到python列表中
6. 运行50000次之后，您将拥有50000个值的python列表
7. 返回此列表