我正在使用这个数据集构建一个预测英超联赛（足球）结果的机器学习模型，该数据集包含主队进球数、客队进球数、射正球门次数等特征。以下是我在加载数据集后的当前代码：

features = list(data.columns.values)X, y = data[features], data.FTR     #FTR代表全场比赛结果print(X.shape)  -> (4940, 20)X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=18)nb = GaussianNB()nb.fit(X_train, y_train)y_nb = nb.predict(X_test)

这给出了非常高的准确率（72%），但这是因为当我要求模型预测结果时，我给它提供了我想预测的比赛的统计数据（包括进球数）。有没有办法“隐藏”除主队和客队之外的所有特征，并以这种方式预测结果？

我尝试过这样做：

 X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=18) X_test = X_test.iloc[:, [0, 1]] #这只保留了主队名称和客队名称的列 nb = GaussianNB() nb.fit(X_train, y_train) y_nb = nb.predict(X_test)

然而，这会导致以下错误：

ValueError: operands could not be broadcast together with shapes (988,2) (20,) 

回答：

如果你想保留你的特征提供的所有信息，可以考虑使用平均值或某种比赛前历史统计数据的度量来训练你的模型。即，如果A队在训练比赛前三场比赛中分别进了2、3和1个球，而在训练的那场比赛中进了5个球，可以使用前三场比赛的平均值而不是实际的进球总数。你的训练误差可能会更高，但当你去预测一场新比赛时，你仍然可以使用尽可能多的数据。

正如@***所说，当你试图训练一个作为预测器的模型时，仅使用在你进行预测时可用的变量。