python - Scikit-学习管道 : Size of predictions on test set is equal to size of training set

Question

我正在尝试获取测试数据集的预测。我正在使用带有 MLPRegressor 的 Sklearn 管道。但是，即使我使用“test.csv”，我也只是从训练集中获取预测的大小。

我在哪里可以修改以获得与测试数据长度相同的预测？

train_pipeline.py

# Read training data
data = pd.read_csv(data_path, sep=';', low_memory=False, parse_dates=parse_dates)

# Fill all None records
data[config.TARGET] = data[config.TARGET].fillna(0)
# 
data[config.TARGET] = data[config.TARGET].apply(lambda x: split_join_string(x) if (type(x) == str and len(x.split('.')) > 0) else x)

# Divide train and test
X_train, X_test, y_train, y_test = train_test_split(
    data[config.FEATURES],
    data[config.TARGET],
    test_size=0.1,
    random_state=0)  # we are setting the seed here

# Transform the target
y_train = y_train.apply(lambda x: np.log(float(x)) if x != 0 else 0)
y_test = y_test.apply(lambda x: np.log(float(x)) if x != 0 else 0)

data_test = pd.concat([X_test, y_test], axis=1)
# Save the dataset to a '.csv' file without index
data_test.to_csv(data_path_test, sep=';', index=False)

pipeline.order_pipe.fit(X_train[config.FEATURES],
                        y_train)

save_pipeline(pipeline_to_persist=pipeline.order_pipe)

预测.py

def make_prediction(*, input_data) -> dict:
    """Make a prediction using the saved model pipeline."""

    data = pd.DataFrame(input_data)
    validated_data = validate_inputs(input_data=data)

    prediction = _order_pipe.predict(validated_data[config.FEATURES])
    output = np.exp(prediction)

    #score = _order_pipe.score(validated_data[config.FEATURES], validated_data[config.TARGET])
    results = {'predictions': output, 'version': _version}

    _logger.info(f'Making predictions with model version:  {_version}'
            f'\nInputs:  {validated_data}'
            f'\nPredictions: {results}')

    return results

我希望预测的大小为“test.csv”，但实际预测的大小为“train.csv”。我是否需要将测试数据集拟合或转换为“order_pipe”才能做出正确大小的预测？

Answer 1

我解决了这个问题，删除了导致 X_test 大小崩溃的预处理器。因此，X_test 被 X_train 取代，我无法做出正确形状的预测。

此外，还有另一个预处理器(创建虚拟机，使用 pd.get_dummies())插入新列并在 X_test 预测期间带来更多问题。我还替换了预处理器，使用 groupby() 和 map() 对分类特征进行编码。