模型准确率: 0.5167030908523259 请输入薪资待遇（如5000-8000）: & E:/python3.12.6/python.exe c:/Users/86136/Desktop/数据可视化/程序实现.py 请输入公司介绍: 6000 请输入城市: 南昌 请输入区域: 红谷滩 请输入街道: 无 请输入经验要求（如1-3年）: 2年 请输入学历要求（如本科）: 本科 请输入领域（如IT、金融等）: IT 请输入公司性质（如国企、外企等）: 国企 Traceback (most recent call last): File "c:\Users\86136\Desktop\数据可视化\1.py", line 73, in <module> main() File "c:\Users\86136\Desktop\数据可视化\1.py", line 69, in main prediction = model.predict(new_data)[0] ^^^^^^^^^^^^^^^^^^^^^^^ File "E:\python3.12.6\Lib\site-packages\sklearn\pipeline.py", line 786, in predict Xt = transform.transform(Xt) ^^^^^^^^^^^^^^^^^^^^^^^ File "E:\python3.12.6\Lib\site-packages\sklearn\utils\_set_output.py", line 316, in wrapped data_to_wrap = f(self, X, *args, **kwargs) ^^^^^^^^^^^^^^^^^^^^^^^^^^^ File "E:\python3.12.6\Lib\site-packages\sklearn\compose\_column_transformer.py", line 1085, in transform raise ValueError(f"columns are missing: {diff}") ValueError: columns are missing: {'source_file', '岗位需求', '职位详情页', '公司详情页'}

你遇到的错误是： ``` ValueError: columns are missing: {'source_file', '岗位需求', '职位详情页', '公司详情页'} ``` 这说明你在预测阶段使用的 `new_data` 数据框缺少了训练时使用的一些列字段。 --- ## 🧠 错误原因分析 ### ✅ 问题核心： 模型在训练时看到的特征列（X）包括这些字段： ```python ['薪资待遇', '公司介绍', '城市', '区域', '街道', '经验', '学历', '领域', '性质', 'source_file', '岗位需求', '职位详情页', '公司详情页'] ``` 但你在用户输入函数中只提供了： ```python ['薪资待遇', '公司介绍', '城市', '区域', '街道', '经验', '学历', '领域', '性质'] ``` 所以当调用 `model.predict(new_data)` 时，模型发现少了 `'source_file'`, `'岗位需求'`, `'职位详情页'`, `'公司详情页'` 这几个字段，就报错了。 --- ## ✅ 解决方案 ### 方案一：【推荐】在用户输入中删除多余字段（如果训练时也不需要） 如果你在训练时没有使用到 `'source_file'`, `'岗位需求'`, `'职位详情页'`, `'公司详情页'` 等字段，那么你应该从数据中删除它们，并确保训练和预测时的特征保持一致。 #### 修改代码如下： ```python # 在 preprocess_data 函数中删除多余的列 def preprocess_data(data, target_col='职位名称'): if target_col not in data.columns: raise ValueError(f"目标列 '{target_col}' 不存在于CSV列中，请检查列名。") # 删除目标列 + 不需要的列 X = data.drop(columns=[target_col, 'source_file', '岗位需求', '职位详情页', '公司详情页']) y = data[target_col] categorical_features = X.select_dtypes(include=['object']).columns preprocessor = ColumnTransformer( transformers=[ ('cat', OneHotEncoder(handle_unknown='ignore'), categorical_features)], remainder='passthrough') return X, y, preprocessor ``` 同时确保你的 `user_input()` 函数也只保留相同的字段： ```python def user_input(): 薪资待遇 = input("请输入薪资待遇（如5000-8000）: ") 公司介绍 = input("请输入公司介绍: ") 城市 = input("请输入城市: ") 区域 = input("请输入区域: ") 街道 = input("请输入街道: ") 经验 = input("请输入经验要求（如1-3年）: ") 学历 = input("请输入学历要求（如本科）: ") 领域 = input("请输入领域（如IT、金融等）: ") 性质 = input("请输入公司性质（如国企、外企等）: ") user_data = pd.DataFrame({ '薪资待遇': [薪资待遇], '公司介绍': [公司介绍], '城市': [城市], '区域': [区域], '街道': [街道], '经验': [经验], '学历': [学历], '领域': [领域], '性质': [性质] }) return user_data ``` --- ### 方案二：如果你确实需要用到这些字段（如“岗位需求”），那就必须在用户输入中加上它们 ```python def user_input(): 薪资待遇 = input("请输入薪资待遇（如5000-8000）: ") 公司介绍 = input("请输入公司介绍: ") 城市 = input("请输入城市: ") 区域 = input("请输入区域: ") 街道 = input("请输入街道: ") 经验 = input("请输入经验要求（如1-3年）: ") 学历 = input("请输入学历要求（如本科）: ") 领域 = input("请输入领域（如IT、金融等）: ") 性质 = input("请输入公司性质（如国企、外企等）: ") source_file = input("请输入 source_file（文件来源）: ") 岗位需求 = input("请输入岗位需求: ") 职位详情页 = input("请输入职位详情页链接: ") 公司详情页 = input("请输入公司详情页链接: ") user_data = pd.DataFrame({ '薪资待遇': [薪资待遇], '公司介绍': [公司介绍], '城市': [城市], '区域': [区域], '街道': [街道], '经验': [经验], '学历': [学历], '领域': [领域], '性质': [性质], 'source_file': [source_file], '岗位需求': [岗位需求], '职位详情页': [职位详情页], '公司详情页': [公司详情页] }) return user_data ``` --- ## ✅ 拓展建议：统一训练与预测的数据结构 为了防止类似问题再次出现，你可以： 1. **保存训练时使用的列名列表** 2. **在预测时根据这个列表筛选输入字段** ```python # 保存训练列名 TRAINING_COLUMNS = ['薪资待遇', '公司介绍', '城市', '区域', '街道', '经验', '学历', '领域', '性质'] # 使用时过滤掉不在其中的列 def user_input(): ... user_data = pd.DataFrame({...}) return user_data[TRAINING_COLUMNS] ``` ---