首先，我是机器学习的新手。
我试图预测二手车的价格。这车有品牌和型号，所以我使用MultiLabelBinarizer制作稀疏矩阵，处理分类属性，这里是代码：
from sklearn.preprocessing import MultiLabelBinarizer
encoder = MultiLabelBinarizer()
make_cat_1hot = encoder.fit_transform(make_cat)
model_cat_1hot = encoder.fit_transform(model_cat)
type_cat_1hot = encoder.fit_transform(type_cat)
print(type(make_cat_1hot))
carInfoModHot = carsInfoMod.copy()
carInfoModHot["makeHot"] = make_cat_1hot.tolist()
carInfoModHot["modelHot"] = model_cat_1hot.tolist()
carInfoModHot["typeHot"] = type_cat_1hot.tolist()
doors km make year makeHot modelHot
5.0 78779 Mercedes 2012 [0, 0, 0, 0, 1, 0, 0, 0, ...[1, 0, 0, 0, 0, 0, 0, 0, 1, 0, 1, 0, 0, 0, 0, ...
5.0 25463 Bmw 2015 [0, 1, 0, 0, 0, 0, 0, ... [1, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, ...
然后我用它来做预测并用线性回归得到均方误差：
lr = linear_model.LinearRegression()
carsInfoTrainHot = carInfoModHot.drop(["price"], axis=1) # drop labels for training set
df1 = carsInfoTrainHot.iloc[:30000, :]
carsLabels1 = carsInfoMod.iloc[:30000, 3]
print(carsInfoTrainHot.head())
df2 = carsInfoTrainHot.iloc[30001:60000, :]
carsLabels2 = carsInfoMod.iloc[30001:60000, 3]
df3 = carsInfoTrainHot.iloc[60001:, :]
carsLabels3 = carsInfoMod.iloc[60001:, 3]
lr.fit(df1, carsLabels1)
print(carsInfoTrainHot.shape)
carPrediction = lr.predict(df2)
lin_mse = mean_squared_error(carsLabels2, carPrediction)
lin_rmse = np.sqrt(lin_mse)
但是我收到了这个错误：
ValueError Traceback（最近一次调用 最后）in（） 12辆车标签3 = carsInfoMod.iloc [60001：，3] 13 ---＆GT; 14 lr.fit（df1，carsLabels1） 15打印（carsInfoTrainHot.shape） 16 carPrediction = lr.predict（df2）
/home/vagrant/anaconda3/lib/python3.6/site-packages/sklearn/linear_model/base.py 适合（自我，X，y，sample_weight） 510 n_jobs_ = self.n_jobs 511 X，y = check_X_y（X，y，accept_sparse = ['csr'，'csc'，'coo']， - ＆GT; 512 y_numeric = True，multi_output = True） 513 514如果sample_weight不是None，则为np.atleast_1d（sample_weight）.ndim＆gt; 1：
/home/vagrant/anaconda3/lib/python3.6/site-packages/sklearn/utils/validation.py 在check_X_y（X，y，accept_sparse，dtype，order，copy， force_all_finite，ensure_2d，allow_nd，multi_output， ensure_min_samples，ensure_min_features，y_numeric，warn_on_dtype， 估计） 519 X = check_array（X，accept_sparse，dtype，order，copy，force_all_finite， 520 ensure_2d，allow_nd，ensure_min_samples， - ＆GT; 521 ensure_min_features，warn_on_dtype，estimator） 522 if multi_output： 523 y = check_array（y，'csr'，force_all_finite = True，ensure_2d = False，
/home/vagrant/anaconda3/lib/python3.6/site-packages/sklearn/utils/validation.py 在check_array（array，accept_sparse，dtype，order，copy， force_all_finite，ensure_2d，allow_nd，ensure_min_samples， ensure_min_features，warn_on_dtype，estimator） 400＃确保我们实际转换为数字： 401如果dtype_numeric和array.dtype.kind ==“O”： - ＆GT; 402 array = array.astype（np.float64） 403如果不是allow_nd和array.ndim＆gt; = 3： 404引发ValueError（“找到dim％d。％s预期的数组＆lt; = 2。”
ValueError：使用序列设置数组元素。
据我所知，我在分类属性中插入一个数组，但我怎样才能将分类值更改为稀疏矩阵？
感谢。