Python sklearn onehotencoder

Question

我正在尝试为我的向量的第 4 个特征（在 numpy 数组中）编码分类数据。类别是“4”或“6”。我可以用这个把它们变成二进制文件：

 features_in_training_set = [[0 0 0 0 4], [0 0 0 0 4], [0 0 0 0 6],[0 0 0 0 4],[0 0 0 0 6]]

 features_in_training_set[:,4] = LabelEncoder().fit_transform(features_in_training_set[:,4])

但是，当然，我需要对此进行更改，以便分类器不会认为“4”大于“6”。但是，当我运行以下内容时：

onehotencoder = OneHotEncoder(categorical_features=[4], handle_unknown='ignore')

features_in_training_set = onehotencoder.fit_transform(features_in_training_set).toarray()

我收到的错误是：

TypeError: int() argument must be a string, a bytes-like object or a number, not 'NoneType'

TypeError: Wrong type for parameter `n_values`. Expected 'auto', int or array of ints, got <class 'numpy.ndarray'>

我已经检查过是否有任何缺失值或任何字符串，但我没有。所有特征都是整数。

谢谢。

Answer 1

scikit-learn (> 0.20) 中的当前 OneHotEncoder 可以处理字符串或其他分类特征本身，不需要首先使用 LabelEncoder 将类别编码为数字（或将不同的数字编码为唯一的）像你一样对数字进行排序）。

这个错误是 OneHotEncoder 中的一个错误，因为它一直在发展以处理上述情况，同时也应该支持旧的用例作为你的问题。将 n_values='auto' 添加到代码中将消除此错误，如下所示：

onehotencoder = OneHotEncoder(categorical_features=[4], n_values='auto', 
                              handle_unknown='ignore')

如果您从代码中删除 handle_unknown 参数，那么这也有效，但不应该这样做。

在此处查看此问题：

https://github.com/scikit-learn/scikit-learn/issues/12881

Python sklearn onehotencoder

Python sklearn onehotencoder

python

scikit-learn

sklearn-pandas