sklearn 抛出 ValueError: bad input shape (600000, 24)

Question

下面是我的一段标签编码代码。在一次为 Dataframe 的一列实施标签编码器时，它工作得很好。但是，当我尝试一次实现整个分类特征时 sklearn 抛出

ValueError: 错误的输入形状 (600000, 24)。我找不到任何具体原因。

df = pd.read_csv("../inputs/cat-in-the-dat-train-folds.csv")
    
# extracting the categorical features 
cat_features = [x for x in df.columns if x not in ( "id", "target", "kflod")]
    
for col in cat_features:
    df.loc[:, col] = df[col].astype(str).fillna("NONE")
df_train = df[df["kfold"] != fold].reset_index(drop=True)
df_valid = df[df["kfold"] == fold].reset_index(drop=True)
lbl_enc = preprocessing.LabelEncoder()
full_cat_data = pd.concat(
        [df_train[cat_features], df_valid[cat_features]],
        axis=0)
lbl_enc.fit(full_cat_data)
x_train = lbl_enc.transform(df_train[cat_features])
x_valid = lbl_enc.transform(df_valid[cat_features])

Answer 1

sklearn.preprocessing.LabelEncoder.fit 只接受一维数组作为参数。

要适应多列，请使用sklearn.preprocessing.OrdinalEncoder.fit，它可以通过 [n_samples, n_features] 获取多维数据（根据文档）

在您的示例中，尝试将lbl_enc = preprocessing.LabelEncoder() 替换为lbl_enc = preprocessing.OrdinalEncoder()，这样应该可以。

有关 LabelEncoder 和 OrdinalEncoder 之间区别的更多信息，请参阅此答案 here

其他资源：

• Label encoding across multiple columns in scikit-learn