如何修复Python模型预测时的特征不匹配报错_使用Pipeline构建工作流
ColumnTransformer列对齐失效的根本原因是测试数据被外部操作（如pd.get_dummies、drop、reindex）破坏了原始列结构，必须确保fit和transform均作用于原始未编码DataFrame，且列名、顺序、类型完全一致。
sklearn Pipeline中ColumnTransformer列对齐失效怎么办
用 ColumnTransformer 搭配 Pipeline 时，常见报错是 ValueError: The feature names should match those that were passed during fit。根本原因不是代码写错了，而是你在训练后手动改了测试数据的列顺序、删了列、或用了 pd.get_dummies 二次编码——这些操作会绕过 ColumnTransformer 的列管理逻辑，导致它“认不出”自己曾经见过的结构。
关键点在于：ColumnTransformer 的 fit_transform 和 transform 必须作用于**原始未编码的 DataFrame 列**（比如 ['HomePlanet', 'CryoSleep']），而不是已经 get_dummies 过的宽表。一旦你提前把分类列展开成 dummy 列，ColumnTransformer 就失去了控制权。
- 确保传给
pipeline.fit()和pipeline.predict()的都是原始特征 DataFrame，列名、类型、顺序完全一致 - 不要在 pipeline 外对
x_test做任何pd.get_dummies、drop、reindex等列操作 - 如果必须补缺失列（如测试集缺某个类别），应在
ColumnTransformer内部通过handle_unknown='ignore'处理，而不是手动for col in X.columns: ...
OneHotEncoder的drop参数和handle_unknown怎么选
drop='first' 是为避免共线性，但只在训练集上生效；测试集里若出现新类别，transform() 会直接报错，除非你显式设 handle_unknown='ignore'。这两个参数必须同时设置，否则 pipeline 在 predict 阶段就崩。
常见错误是只写了 drop='first'，漏掉 handle_unknown，或者写成 handle_unknown='error'（默认值）——这等于告诉编码器：“测试集不准有我没见过的类别”，现实中几乎不可能满足。
-
drop='first'+handle_unknown='ignore'：最常用组合，生成列数稳定，新类别被忽略 -
drop=None+handle_unknown='infrequent'：适合高基数分类变量，需配合min_frequency - 避免
drop='if_binary'：它依赖训练集的值分布，在测试集上行为不可控
XGBoost加载模型后predict报feature_names mismatch
这个报错和 sklearn pipeline 无关，但常出现在混合技术栈项目里：你用 sklearn pipeline 训练并保存了模型，却用原生 xgb.Booster 加载，后者不认 pandas 列名，只认 f0, f1, ... 这类位置索引名。
Python 3.14.3
微软官方的 Python 扩展，是 VS Code 安装量最高的扩展（209M+）。集成 IntelliSense（通过 Pylance）、调试（通过 Python Debugger）、代码检查、格式化、重构和单元测试等功能。支持 Jupyter Notebook、虚拟环境管理和多 Python 版本切换。
修复方式不是改测试数据列名去迁就 XGBoost，而是统一入口：要么全程用 XGBClassifier（它封装了列名处理），要么在预测前把 X_test 转成 xgb.DMatrix 并关闭校验：
使用 validate_features=False 是临时解法，但隐患大——它跳过所有列名和顺序检查，一旦训练/预测特征错位，模型会静默出错，结果不可信。
- 推荐做法：用
XGBClassifier替代Booster，保持与 sklearn pipeline 兼容 - 若必须用
Booster，则保存模型时一并保存feature_names，预测前用pd.DataFrame(X_test, columns=feature_names)强制对齐 - 永远不要依赖
df.columns.tolist() == model.get_booster().feature_names自动匹配——顺序可能因 pandas 版本或内存布局变化而不同
Pipeline.score() 报错说测试集列数不对
这不是 pipeline 本身的问题，而是你调用 score() 时传入了错误对象。典型错误是：训练时用 pipeline.fit(X_train, y_train)，但评估时却写 pipeline.score(X_test_raw, y_test)，其中 X_test_raw 是未经预处理的原始 DataFrame（含字符串、缺失值等），ColumnTransformer 在内部 transform 时崩溃，报的错看起来像列不匹配，实际是类型错误被掩盖了。
真正该传给 score() 的，是和训练时一样结构的原始特征 DataFrame —— 即和 X_train 同源、同列名、同 dtypes 的 X_test，不是经过 get_dummies 或其他中间步骤加工过的宽表。
- 检查
X_test的.dtypes是否和X_train完全一致（尤其是 object → category 转换是否同步） - 确认没在 pipeline 外对
X_test执行.dropna()或.fillna()—— 这会改变行数，导致后续 score() 时 y_test 长度不匹配 - 调试技巧：在 pipeline 第一步插入一个自定义 transformer，打印
X.shape和X.columns，对比训练/预测时的输出