Python scikit svm "ValueError: X has 62 features per sample; expecting 337"

Question

玩弄Python的scikit SVM线性支持向量分类，当我尝试进行预测时遇到了错误：

ten_percent = len(raw_routes_data) / 10
# Training
training_label = all_labels[ten_percent:]
training_raw_data = raw_routes_data[ten_percent:]
training_data = DictVectorizer().fit_transform(training_raw_data).toarray()

learner = svm.LinearSVC()
learner.fit(training_data, training_label)
# Predicting
testing_label = all_labels[:ten_percent]
testing_raw_data = raw_routes_data[:ten_percent]
testing_data = DictVectorizer().fit_transform(testing_raw_data).toarray()
testing_predictions = learner.predict(testing_data)

m = metrics.classification_report(testing_label, testing_predictions)

raw_data表示为 Python 字典，其中包含各种旅行选项的到达时间类别和天气数据的类别：

{'72_bus': '6.0 to 11.0', 'uber_eta': '2.0 to 3.5', 'tweet_delay': '0', 'c_train': '1.0 to 4.0', 'weather': 'Overcast', '52_bus': '16.0 to 21.0', 'uber_surging': '1.0 to 1.15', 'd_train': '17.6666666667 to 21.8333333333', 'feels_like': '27.6666666667 to 32.5'}

当我训练和拟合训练数据时，我对 90% 的数据使用字典矢量化器并将其转换为数组。

提供的testing_labels表示为：

[1,2,3,3,1,2,3, ... ]

当我尝试使用 LinearSVC 来预测我被告知时：

ValueError: X has 27 features per sample; expecting 46

我在这里错过了什么？显然，这是我拟合和转换数据的方式。

Answer 1

问题是你为训练和测试创建和拟合了不同的DictVectorizer。

应仅使用训练数据创建并拟合一个DictVectorizer transform并在测试数据上使用此对象的方法创建测试数据的特征表示。

Answer 2

是的，我在使用"CountVectorizer"时也有类似的担忧。当我删除为测试数据完成的额外拟合并仅使用基于为训练数据完成的拟合的"转换"方法时，它就像宝石一样工作。

如果共享它有助于社区在使用测试数据预测结果时解决类似问题。

谢谢沙比尔·贾米尔