错误的输入形状（）LabelEncode？答案

【问题标题】：bad input shape () LabelEncode?错误的输入形状（）LabelEncode？
【发布时间】：2018-08-10 20:37:03
【问题描述】：

这是我在 jupyternotebook 中的代码我很困惑为什么我会收到错误的输入形状错误。下面给出了我的代码中失败的行，通过打开数据集文件并用于拆分可能输出类高于 50K 或低于或等于 50K。这个数据集有一个轻微的扭曲感觉每个数据点都是数字和字符串的混合体

with open(input_file, 'r') as f:
    for line in f.readlines():
        if '?' in line:
            continue
        data = line[:-1].split(', ')

        if data[-1] == '<=50K' and count_lessthan50k < num_images_threshold:
            X.append(data)
            count_lessthan50k = count_lessthan50k + 1
        elif data[-1] == '>50K' and count_morethan50k <
num_images_threshold:
            X.append(data)
            count_morethan50k = count_morethan50k + 1
        if count_lessthan50k >= num_images_threshold and count_morethan50k>= num_images_threshold:
            break
X = np.array(X)

这是用于将字符串数据转换为数值数据

label_encoder = []
X_encoded = np.empty(X.shape)

for i, item in enumerate(X[0]):
    if item.isdigit():
        X_encoded[:, i] = X[:, i]
    else:
        label_encoder.append(preprocessing.LabelEncoder())
        X_encoded[:, i] = label_encoder[-1].fit_transform(X[:,i])


X = X_encoded[:, :-1].astype(int)
y = X_encoded[:, -1].astype(int)

交叉验证数据

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25,
                                                random_state=5)

classifier_gaussiannb = GaussianNB()
classifier_gaussiannb.fit(X_train, y_train)

y_test_pred = classifier_gaussiannb.predict(X_test)

在单个数据实例上测试编码

input_data = ['39', 'State-gov', '77516', 'Bachelors', '13','Never-married', 'Adm-clerical', 'Not-in-family', 'White','Male', '2174', '0', '40', 'United-States']



count = 0
input_data_encoded = [-1] * len(input_data)

for i,item in enumerate(input_data):
    if item.isdigit():
        input_data_encoded[i] = int(input_data[i])
    else:
        input_data_encoded[i] = int(label_encoder[count].transform(input_data[i]))
        count = count + 1

input_data_encoded = np.array(input_data_encoded)

我已经浏览了 sklearn 文档，但对我没有用，有什么帮助吗？？

【问题讨论】：

标签： python data-science machine-language

【解决方案1】：

LabelEncoder transform() 需要一次所有样本的可迭代来转换，如documentation 中所述：-

Transform labels to normalized encoding.

Parameters     y : array-like of shape [n_samples]
               Target values.

如果你想每次都传递一个值给它，你需要把它包装在一个这样的列表中：

else:
    input_data_encoded[i] = int(label_encoder[count].transform([input_data[i]]))

注意input_data[i] 周围多余的方括号。

【讨论】：