Вот вершина скрипта, в котором обучалась модель (я использую Logisti c Регрессия):
data_raw = pd.read_sql(sql,cnxn)
pd.Series(data_raw.columns)
pd.Series(data_raw.dtypes)
data_raw.describe(include='all')
data_raw['collision_type'] = data_raw.loc[0:, 'collision_type'].replace('?', 'Unknown')
data_raw['property_damage'] = data_raw.loc[0:, 'property_damage'].replace('?', 'Unknown')
data_raw.isnull().sum()
dropping_columns = ['months_as_customer', 'policy_bind_date', 'age', 'policy_number', 'policy_annual_premium', 'insured_zip',
'capital_gains', 'capital_loss', 'total_claim_amount', 'injury_claim', 'property_claim', 'vehicle_claim',
'auto_year']
data_cleaned = data_raw.drop(dropping_columns, axis=1)
data_preprocessed = pd.get_dummies(data_cleaned, drop_first=True)
targets = data_preprocessed['fraud_reported_Y']
features = data_preprocessed.drop(['fraud_reported_Y'], axis=1)
x_train, x_test, y_train, y_test = train_test_split(features, targets, test_size=0.2, random_state=420)
from sklearn.linear_model import LogisticRegression
logreg = LogisticRegression()
logreg.fit(x_train, y_train)
y_pred = logreg.predict(x_test)
Теперь я пытаюсь делать прогнозы на входе теста (набор данных теста) импортировано из таблицы SQL):
test = df['TestTable']
test = test[0]
sql = 'SELECT * FROM '+ test
test_raw = pd.read_sql(sql,cnxn)
#sample_rows = test_raw.sample(n=5)
test_raw.describe(include='all')
test_raw['collision_type'] = data_raw.loc[0:, 'collision_type'].replace('?', 'Unknown')
test_raw['property_damage'] = data_raw.loc[0:, 'property_damage'].replace('?', 'Unknown')
test_raw.isnull().sum()
print(test_raw.shape)
test_dropped = test_raw.drop(dropping_columns, axis=1)
test_preprocessed = pd.get_dummies(test_dropped, drop_first=True)
logreg = LogisticRegression()
logreg.fit(x_train, y_train)
test_predicted = logreg.predict(test_preprocessed)
Вот ошибка, которую я получил:
Traceback (most recent call last):
File "<ipython-input-149-e6d470e94433>", line 1, in <module>
runfile('C:/Users/BusinessUser/Downloads/insurance_claim_fraud_detection-master/insurance_claim_fraud_detection.py', wdir='C:/Users/BusinessUser/Downloads/insurance_claim_fraud_detection-master')
File "C:\Users\BusinessUser\Anaconda3\lib\site-packages\spyder_kernels\customize\spydercustomize.py", line 827, in runfile
execfile(filename, namespace)
File "C:\Users\BusinessUser\Anaconda3\lib\site-packages\spyder_kernels\customize\spydercustomize.py", line 110, in execfile
exec(compile(f.read(), filename, 'exec'), namespace)
File "C:/Users/BusinessUser/Downloads/insurance_claim_fraud_detection-master/insurance_claim_fraud_detection.py", line 402, in <module>
test_predicted = logreg.predict(test_preprocessed)
File "C:\Users\BusinessUser\Anaconda3\lib\site-packages\sklearn\linear_model\base.py", line 289, in predict
scores = self.decision_function(X)
File "C:\Users\BusinessUser\Anaconda3\lib\site-packages\sklearn\linear_model\base.py", line 270, in decision_function
% (X.shape[1], n_features))
ValueError: X has 231 features per sample; expecting 1228
В моем наборе данных поезда содержится 999 строк с окончательным столбцом результата прогноза, в то время как в наборе данных теста 50 строк без столбца результата прогнозирования. Другие столбцы в основном такие же.
Я новичок ie, и я почти уверен, что есть такая базовая вещь, которую я не знал об этой модели обучения. Спасибо вам, ребята, за помощь.