なぜDictVectorizerは機能の数を変更するのですか？

Question

私は324行と35列のデータセットを持っています。

X_train, X_test, y_train, y_test = train_test_split(tempCSV[feaure_names[0:34]], tempCSV[feaure_names[34]], test_size=0.2, random_state=32)  

これはうまくいくようですが、X_trainとX_testの両方に34の機能があります。私はカテゴリ変数があるので、DictVectorizerでさらに変換を適用します。今

from sklearn.feature_extraction import DictVectorizer 
vecS=DictVectorizer(sparse=False) 
X_train=vecS.fit_transform(X_train.to_dict(orient='record')) 
X_test=vecS.fit_transform(X_test.to_dict(orient='record')) 

私はX_testにX_trainを比較し、前者は46点の特徴を持っており、これが起こる可能性があり、いくつかの可能な理由は何ですか後者は唯一の44を持っていますか？

Answer 1

異なるフィットを使用してベクトル化しているためです。

X_train=vecS.fit_transform(X_train.to_dict(orient='record')) 
X_test=vecS.fit_transform(X_test.to_dict(orient='record')) 

データセットに作用する2つの異なったフィットベクトライザーになり：あなたはfit_transformを使用する場合。 、X_train.to_dictですべての機能に訓練される最初とX_test.to_dictのすべての機能の他、あなたのトレーニングデータに一度電車にベクトライザーをしたいし、その後のみtransformを使用しているためfit_transformrefits：

X_train=vecS.fit_transform(X_train.to_dict(orient='record')) 
X_test=vecS.transform(X_test.to_dict(orient='record')) 

ご使用のモデルはトレーニングセットの機能についてのみ認識します。