ValueError: Number of features of the model must match the input. scikit-learnで決定木を実装したいがエラー

Question

前提・実現したいこと

scikit-learnを使って決定木を実装しています。
可視化しようとdtreevizのコードを書いていたらエラーが発生しました。
dtreevizは関係ないかもしれません。

実行結果・エラーメッセージ

0.7368421052631579
0.9642857142857143
       変数       重要度
0      食料  0.000000
1      住居  0.000000
2   水道光熱費  0.183482
3  家具家事用品  0.000000
4      衣類  0.095694
5    保険医療  0.000000
6    交通通信  0.000000
7      教育  0.000000
8    教養娯楽  0.720824
9     諸雑費  0.000000
---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-104-2d435d3c4d5a> in <module>()
     36      target_name='大都市圏分類',
     37      feature_names=X_train.columns,
---> 38      class_names=[str(i) for i in class_names]
     39     )  
     40 

4 frames
/usr/local/lib/python3.6/dist-packages/sklearn/tree/tree.py in _validate_X_predict(self, X, check_input)
    400                              "match the input. Model n_features is %s and "
    401                              "input n_features is %s "
--> 402                              % (self.n_features_, n_features))
    403 
    404         return X

ValueError: Number of features of the model must match the input. Model n_features is 4 and input n_features is 10 

該当のソースコード

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn import tree
from dtreeviz.trees import dtreeviz
data = pd.read_csv('consumerPrices_tree.csv')

X = data.drop(['都道府県', '大都市圏分類'], axis=1)
Y = data['大都市圏分類']

from sklearn.tree import DecisionTreeClassifier
model = DecisionTreeClassifier(max_depth=3, random_state=0)
model.fit(X, Y)
model.predict(X)

predicted = pd.DataFrame({'Predicted':model.predict(X)})
data_predicted = pd.concat([data, predicted], axis =1)
sum(model.predict(X)==Y)/len(Y)

X_train,X_test,Y_train,Y_test = train_test_split(X, Y,random_state=0, test_size=0.4)

model = DecisionTreeClassifier(max_depth=3, random_state=0)
model.fit(X_train, Y_train)
model.predict(X_train)
from sklearn import metrics
print(metrics.accuracy_score(Y_test, model.predict(X_test)))
print(metrics.accuracy_score(Y_train, model.predict(X_train)))

importance = pd.DataFrame({ '変数':X.columns, '重要度':model.feature_importances_})
print(importance)

class_names = Y_train.unique().tolist()
viz = dtreeviz(
    classifier, 
     X_train,
     Y_train,
     target_name='大都市圏分類',
     feature_names=X_train.columns,
     class_names=[str(i) for i in class_names]
    )  

display(viz)

csvです。他のサイトが公開しているデータなので一応伏せています。
ここからダウンロードできます。

都道府県,食料,住居,水道光熱費,家具家事用品,衣類,保険医療,交通通信,教育,教養娯楽,諸雑費,大都市圏分類

北 海 道,98.7,82.6,116.3,99.3,103.8,100.2,99.5,93.2,97.1,100.9,1
......
......

試したこと

モデルの特徴が4個というのがよく分かりません。
なぜ10個ではないのでしょうか？

補足情報（FW/ツールのバージョンなど）

google colaboratory (python3)

Comments

[hayataka2049]

このままだと回答しづらいので、エラーメッセージの全体、省略なしのcsvを示していただけないでしょうか。

[Quad]

本当に申し訳ありません。
今パソコンが触れない状態です。
2時間後には触れるはずなので使えるようになり次第修正します。

[Quad]

修正しました。

Answer 1

取り急ぎコードを見てみましたが、

model = DecisionTreeClassifier(max_depth=3, random_state=0)
# 中略

viz = dtreeviz(
    classifier, 
     X_train,
     Y_train,
     target_name='大都市圏分類',
     feature_names=X_train.columns,
     class_names=[str(i) for i in class_names]
    )  

modelとして決定木を定義しているのに、下でclassifierを渡しているので、通常ならclassifierという変数がないというエラーになるはずです。

Jupyterで実行しているようなので、以前に定義したclassifierが残った状態でそれを参照しているのではないでしょうか。

Comments

[Quad]

なるほど！
少し前にアヤメで試していたclassifierが残っていました。
ありがとうございます。