在使用SciKit-Learn拟合GradientBoostingClassifier后，某些特征的 importance 为零。

我的理解是，零重要性意味着不会在这个特征上进行任何分裂操作。

如果我尝试使用不包含该特征的数据集进行预测，则会因为缺少所有特征而抛出错误。

当然，我意识到我可以移除这些零重要性的特征，但我更希望不改变已经拟合的模型。（如果我移除零重要性特征并重新拟合，我会得到一个略有不同的模型。）

模型在进行预测时需要零重要性特征，这是不是一个bug，还是我没有考虑到零重要性特征的某些方面？有没有什么方法可以得到完全相同的模型？

（我预见到有人会问为什么这很重要——这是因为要求零重要性特征意味着需要从一个非常大的数据库中提取更多的列，并且在模型中包含一个什么也不做的特征看起来很不专业。）

回答：

这不是一个bug，这是预期的行为。Scikit不会在模型训练后对应该包含哪些特征做出假设。

相反，当你为模型调用fit时，有一个隐含的假设，即你已经执行了特征选择以移除对模型不重要的特征。一旦拟合完成，期望是你会提供与用于拟合模型的数据集相同大小的数据集，无论这些特征是否重要。