Я пытаюсь тренироваться и прогнозировать с помощью своей модели, поэтому текущая ошибка
ValueError: имена объектов должны совпадать с теми, которые были переданы во время подгонки. Названия функций, невидимые во время установки:
это мой код
X_train = X_train.drop(columns=['InvoiceDate', "BillingAddress", "BillingCity", "BillingState", "BillingCountry", "BillingPostalCode", "Rowversion_x", "Rowversion_y", "Rowversion", "Name", "Composer"], axis=1)
print(f'Tipo X_train: {type(X_train)} Tipo y_train: {type(y_train)}')
clf.fit(X_train, y_train)
y_pred = clf.predict(X_test)
accuracy = accuracy_score(y_test, y_pred)
print("Accuracy:", accuracy)
mining_data.to_csv('mining_table.csv', index=False)
я не понимаю, в чем ошибка, я исключаю некоторые столбцы, потому что получаю еще одну подобную ошибку:
ValueError: could not convert string to float: 'Calle Lira, 198'
Поскольку вы удалили столбцы в X_train, но не в X_test, модель сообщает вам, что во время тестирования она видит столбцы, с которыми она не сталкивалась при обучении.
Количество измерений/столбцов во входных данных как для поезда, так и для теста должно быть одинаковым. Если количество столбцов уже одинаковое и вы столкнулись с проблемой, убедитесь, что отправляемые вами столбцы являются правильными, и если это так (возможно, это просто опечатка или ваши столбцы имеют разные заголовки, но данные совпадают), пропускайте numpy-версию ваших данных, выполнив X_train.values