在用機器學習去訓練模型，預測數據的時候，出現ValueError: feature_names mismatch:

 

報錯形式

ValueError: feature_names mismatch:["f1", "f2", "f3", "f4", "f5", "f6", …… "f60123", ]

 

原因分析

- 上網百度，大多回答都是：

1. 訓練集和測試集的列名不一致
2. 訓練集和測試集的列名順序不一致

 如果有以上兩種的可以嘗試進行修改

 

- 筆者遇到的是另外一種：

　　在訓練數據集的時候，進行特征轉換的時候：TfidfVectorizer，在做重新使用其他數據進行測試的時候，忽略了向量維度，因此出現了以上的報錯。

 

解決方案：

在進行特征轉換的時候，將TfidfVectorizer的模型進行保存，便於下次調用，產生相同維度的向量

# 序列化保存
tfidftransformer_path = './tfidftransformer.pkl'
with open(tfidftransformer_path, 'wb') as file:
        pickle.dump(tfidf_transformer, file)

# 加載保存的模型

tfidftransformer_path = './tfidftransformer.pkl'
tfidftransformer = pickle.load(open(tfidftransformer_path, "rb"))

　　

　　

在維度相同的向量的時候，就可以輸入到分類器中進行predict了