ValueError: Length of feature

运行刘建平老师博客中，关于决策树DecisionTreeClassifier实例的代码运行出现：ValueError: Length of feature_names, 4 does not match number of features, 2的错误。
经过一番排查，发现错误原因是因为独热编码的问题。
错误就出在

feature_names=iris.feature_names,

feature_names这一参数的作用是：使决策树图中的各个小块可以显示其对应的特征名

这一参数要求参数值必须与被分析的数据集中的特征名（也叫属性名）对应，数量一致且顺序一致。

我打印了feature_names ，发现feature_names 的个数一共有4个。分别为：

['sepal length (cm)', 'sepal width (cm)', 'petal length (cm)', 'petal width (cm)']

难怪，系统会报错。系统要求的feature的个数为2个，但我却传进去了4个参数。所以我更改后的代码如下所示：

dot_data = tree.export_graphviz(clf, out_file=None,
                                # 这一句是我更改过的代码
                                feature_names=['sepal length','sepal width'],
                                class_names=iris.target_names,
                                filled=True,
                                rounded=True,
                                special_characters=True)

刘建平老师有关决策树实例的博客指路：https://www.cnblogs.com/pinard/p/6056319.html

刘建平老师有关决策树实例的代码（纠错版）：

import matplotlib.pyplot as plt
import numpy as np
from sklearn import datasets
from sklearn.tree import DecisionTreeClassifier

# 仍然使用自带的iris数据
iris = datasets.load_iris()
X = iris.data[:, [0, 2]]  # 特征数据
y = iris.target  # 标签数据
# print(X)
# print(y)
# 训练模型，限制树的最大深度4
clf = DecisionTreeClassifier(max_depth=4)
# 拟合模型
clf.fit(X, y)

# 画图
x_min, x_max = X[:, 0].min() - 1, X[:, 0].max() + 1
y_min, y_max = X[:, 1].min() - 1, X[:, 1].max() + 1
xx, yy = np.meshgrid(np.arange(x_min, x_max, 0.1),
                     np.arange(y_min, y_max, 0.1))

Z = clf.predict(np.c_[xx.ravel(), yy.ravel()])
Z = Z.reshape(xx.shape)

# 散点图和不同类别的分界线图共同绘制在一张图上
plt.contourf(xx, yy, Z, alpha=0.4)  # plt.contourf用来画出不同分类的边界线
plt.scatter(X[:, 0], X[:, 1], c=y, alpha=0.8)
plt.show()

# 接着我们可视化我们的决策树
from IPython.display import Image
from sklearn import tree
import pydotplus

print(iris.feature_names)
print(iris.target_names)
dot_data = tree.export_graphviz(clf, out_file=None,
                                feature_names=iris.feature_names,
                                # feature_names=['sepal length','sepal width'],
                                class_names=iris.target_names,
                                filled=True,
                                rounded=True,
                                special_characters=True)

graph = pydotplus.graph_from_dot_data(dot_data)
Image(graph.create_png())
# 保存图像
graph.write_png("DecisionTree实例.jpeg")