我正在尝试对我的向量的第4个特征进行分类编码，该向量位于一个numpy数组中。类别为“ 4”或“ 6”。我可以使用以下方法将它们更改为二进制：
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，以使分类器不会认为“ 4”大于“ 6”。但是，当我运行以下命令时：
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'>
我检查了是否缺少任何值或字符串，但没有。所有功能都是整数。
谢谢。
答案 0 :(得分：1)
当前scikit-learn（> 0.20）中的OneHotEncoder可以处理字符串或其他分类功能本身，而无需先使用LabelEncoder将类别编码为数字（或将不同的数字编码为唯一的排序数字）就像你一样。）
此错误是OneHotEncoder中的一个错误，因为它一直在处理上述情况，同时也应该支持较旧的用例作为您的问题。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了handle_unknown参数，那么它也可以工作，但是不应该这样做。
在此处查看此问题：