如何强制scikit-learn词典矢量器不丢弃功能

Question

我试图将scikit-learn用于分类任务。我的代码从数据中提取特征，并将它们存储在字典中，如下所示：

feature_dict['feature_name_1'] = feature_1
feature_dict['feature_name_2'] = feature_2

当我拆分数据以使用sklearn.cross_validation进行测试时，一切都按预期工作。我遇到的问题是当测试数据是一个新集合时，而不是学习集的一部分（尽管它对每个样本具有相同的确切特征）。在学习集上拟合分类器后，当我尝试调用clf.predict时，出现此错误：

ValueError: X has different number of features than during model fitting.

我假设这与这个有关（来自DictVectorizer文档）：

在拟合或fit_transform期间未遇到的命名特征将是 默默地忽略了。

DictVectorizer删除了一些我猜的功能......如何禁用/解决此功能？

谢谢

=== 编辑 ===

问题是，正如larsMans建议我两次安装DictVectorizer一样。

Answer 1

您应该在训练集上使用fit_transform，并且只在测试集上使用transform。

Answer 2

您是否确保对测试数据调用先前构建的缩放器和选择器转换？

scaler = preprocessing.StandardScaler().fit(trainingData)
selector = SelectPercentile(f_classif, percentile=90)
selector.fit(scaler.transform(trainingData), labelsTrain)
...
...
predicted = clf.predict(selector.transform(scaler.transform(testingData)))#