== 最近在做一個部署模型的專案，發現批量預測的結果和部署之後的單條資料入模結果不一致，用了半天的時間才終於找到結果不一致的原因：==

兩次入模變數的列順序不一致！

以前一致認為lgb/xgb這樣的模型時可以識別列名的，只要輸入的特徵相同就沒有問題，但這種觀點是錯誤的，做了一個簡單的實驗：

from sklearn import datasets
import lightgbm as lgb
import pandas as pd
iris = datasets.load_iris()
X = iris.data
y = iris.target
X = pd.DataFrame(X)
lgb_train =
 
 lgb.Dataset(X, y)
params = {
    'task': 'train',
    'boosting_type': 'gbdt',  # 設定提升型別
    'objective': 'regression', # 目標函式
    'metric': {'l2', 'auc'},  # 評估函式
    'num_leaves': 31,   # 葉子節點數
    'learning_rate': 0.05,  # 學習速率
    'feature_fraction': 0.9, # 建樹的特徵選擇比例
    'bagging_fraction': 0.8, # 建樹的樣本取樣比例
 

    'bagging_freq': 5,  # k 意味著每 k 次迭代執行bagging
    'verbose': 1 # <0 顯示致命的, =0 顯示錯誤 (警告), >0 顯示資訊
}
gbm = lgb.train(params,lgb_train,num_boost_round=20)

使用鳶尾花資料集做訓練，然後從中間抽出一條資料做預測，結果如下

test = pd.DataFrame([[5.1],[3.5],[1.4],[0.2]]).T
print(gbm.predict(test))
[0.35976825]

變換測試集列順序，結果如下

test = pd.
 
DataFrame([[0.2],[3.5],[1.4],[5.1]]).T
print(gbm.predict(test))
[0.59565977]

參考這篇部落格https://blog.csdn.net/hshuihui/article/details/53258111，可能是由於資料傳入時呼叫了as_matrix()方法，直接傳入的矩陣，列什麼的sklearn或者lgb並不會關心。
所以，
在訓練模型時一定要保證訓練集、驗證集、測試集列順序一致！