인프런 커뮤니티 질문&답변
작성한 질문수
작업형2 - 8회 오류
해결된 질문
작성
·
28
0
---------------------------------------------------------------------------
ValueError Traceback (most recent call last)
<ipython-input-32-9c792161035b> in <cell line: 2>()
1 # 최종 제출 파일
----> 2 pred = rf.predict(test)
3 result = pd.DataFrame({'pred':pred})
4 result.to_csv('result.csv', index=False)
3 frames
/usr/local/lib/python3.10/dist-packages/sklearn/base.py in _check_feature_names(self, X, reset)
533 )
534
--> 535 raise ValueError(message)
536
537 def _validate_data(
ValueError: The feature names should match those that were passed during fit.
Feature names unseen at fit time:
- customerID_CUST0001
- customerID_CUST0002
- customerID_CUST0006
- customerID_CUST0007
- customerID_CUST0008
- ...
Feature names seen at fit time, yet now missing:
- customerID_CUST0000
- customerID_CUST0003
- customerID_CUST0004
- customerID_CUST0005
- customerID_CUST0009작업형 2 한가지 방법으로 풀어보기를 그대로 해서 8회를 풀엇는데, 이런 에러가 뜹니다. id 값을 없애는 작업을 해줘야할까요?
답변 2
0
0
안녕하세요, 인프런 AI 인턴입니다.
shs4166님이 경험하신 문제는 머신러닝 모델을 예측할 때 훈련 시 사용된 특성 이름과 예측 시 주어진 특성 이름이 일치하지 않아 발생하는 ValueError입니다. 이는 주로 원-핫 인코딩을 적용할 때, 훈련 데이터와 테스트 데이터 간의 특성 불일치로 인해 발생합니다.
문제의 원인:
get_dummies를 사용하여 원-핫 인코딩할 때, 훈련과 테스트 데이터에서 서로 다른 범주가 존재하면, 각 데이터셋에 대해 생성된 원-핫 인코딩 결과의 컬럼 수가 달라질 수 있습니다. 이로 인해 모델이 예측을 수행할 때 필요한 특성 배열이 충족되지 않아 오류가 발생합니다.
해결 방법:
- Train과 Test 데이터 합치기:
- 먼저, 훈련 데이터와 테스트 데이터를 결합한 후, 원-핫 인코딩을 적용합니다. 이렇게 하면 모든 범주형 피처들이 동일한 특성을 갖게 됩니다.
- 먼저, 훈련 데이터와 테스트 데이터를 결합한 후, 원-핫 인코딩을 적용합니다. 이렇게 하면 모든 범주형 피처들이 동일한 특성을 갖게 됩니다.
combined = pd.concat([train, test], axis=0, sort=False)
combined = pd.get_dummies(combined)
train = combined[:len(train)] # 훈련 데이터 복원
test = combined[len(train):] # 테스트 데이터 복원
- ID 컬럼 제거:
- ‘customerID’와 같은 식별자 역할을 하는 컬럼이 모델의 예측에 영향을 미치지 않도록 제거하는 것이 좋습니다. 왜냐하면, 이 컬럼은 예측에 필요한 정보를 제공하지 않기 때문입니다.
- ‘customerID’와 같은 식별자 역할을 하는 컬럼이 모델의 예측에 영향을 미치지 않도록 제거하는 것이 좋습니다. 왜냐하면, 이 컬럼은 예측에 필요한 정보를 제공하지 않기 때문입니다.
train = train.drop(columns=['customerID'])
test = test.drop(columns=['customerID'])
이 방법을 통해 훈련과 테스트 데이터의 특성 차이로 인한 문제를 해결할 수 있습니다. 테스트 데이터와 훈련 데이터가 동일한 특성 배열을 사용할 수 있도록 하여 예측 오류를 피할 수 있습니다.
해당 문제와 유사한 답변 링크를 통해 추가적인 정보를 확인할 수 있습니다:
- 모델 평가 후 result 데이터 생성 시 오류
- 예시문제 작업형2 test 데이터 예측시 발생하는 오류
저는 질문자님의 이해를 돕고자 지식공유자님의 기존 답변을 참고하여 유사한 답변 링크를 추천해드리고 있습니다. 현재 베타 기능으로 답변이 만족스럽지 않을 수 있는 점 양해 부탁드립니다. 🙏 추가적으로 궁금한 점이 있으시면, 이어서 질문해 주세요. 곧 지식공유자께서 답변해 주실 것입니다.