我有一个数据集，根据指标显示一个人是否患有糖尿病，它看起来像这样（原始数据集）：
我已经创建了一个简单的模型来预测最后一列（Outcome）。
#Libraries importedimport pandas as pdfrom sklearn.preprocessing import StandardScalerfrom sklearn.model_selection import train_test_splitfrom sklearn.linear_model import LogisticRegression#Dataset importeddata = pd.read_csv('diabetes.csv')#Assign X and yX = data.iloc[:,:-1].valuesy = data.iloc[:,-1].values#Data preprocessedsc = StandardScaler()X = sc.fit_transform(X)#Dataset split between train and testX_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.2, random_state = 0)model = LogisticRegression()model.fit(X_train, y_train)y_pred = model.predict(X_test)# Predicting the results for the whole datasety_pred2 = model.predict(data)#Add prediction column to original datasetdata['prediction'] = y_pred2然而，我得到了以下错误： ValueError: X has 9 features per sample; expecting 8.
我的问题是：
- 为什么我不能为整个数据集创建一个包含预测的新列？
- 如何对需要预测的空白结果进行预测，也就是说，我需要重新上传文件吗？假设我想预测以下内容：
待预测的行：
请告诉我我的问题是否清晰！
回答：
您将data（包含所有9个初始特征）输入到一个用X（8个特征，因为Outcome已被移除以创建y）训练的模型中，因此出现了错误。
您需要做的是：
- 使用
X而不是data来获取预测 - 将预测添加到您的初始
data数据集中
即：
y_pred2 = model.predict(X)data['prediction'] = y_pred2请注意，这意味着您的prediction变量将来自于已经用于模型拟合的数据（即X_train部分）以及模型在训练期间未见过的数据（X_test部分）。我不太确定您的最终目标是什么（而且这也不是问题所讨论的内容），但从机器学习的角度来看，这是一种相当不寻常的情况。
如果您有一个新的数据集data_new来预测结果，您可以以类似的方式进行操作；始终假设X_new与X具有相同的特征（即再次移除Outcome列，就像您对X所做的那样）：
y_new = model.predict(X_new)data_new['prediction'] = y_new