我正在研究一个示例，该示例使用ColumnTransformer和LabelEncoder来预处理著名的Titanic数据集X：
Age Embarked Fare Sex
0 22.0 S 7.2500 male
1 38.0 C 71.2833 female
2 26.0 S 7.9250 female
3 35.0 S 53.1000 female
4 35.0 S 8.0500 male
像这样呼叫变压器：
from sklearn.compose import ColumnTransformer
from sklearn.preprocessing import LabelEncoder
ColumnTransformer(
transformers=[
("label-encode categorical", LabelEncoder(), ["Sex", "Embarked"])
]
).fit(X).transform(X)
导致：
---------------------------------------------------------------------------
TypeError Traceback (most recent call last)
<ipython-input-54-fd5a05b7e47e> in <module>
4 ("label-encode categorical", LabelEncoder(), ["Sex", "Embarked"])
5 ]
----> 6 ).fit(X).transform(X)
~/anaconda3/lib/python3.7/site-packages/sklearn/compose/_column_transformer.py in fit(self, X, y)
418 # we use fit_transform to make sure to set sparse_output_ (for which we
419 # need the transformed data) to have consistent output type in predict
--> 420 self.fit_transform(X, y=y)
421 return self
422
~/anaconda3/lib/python3.7/site-packages/sklearn/compose/_column_transformer.py in fit_transform(self, X, y)
447 self._validate_remainder(X)
448
--> 449 result = self._fit_transform(X, y, _fit_transform_one)
450
451 if not result:
~/anaconda3/lib/python3.7/site-packages/sklearn/compose/_column_transformer.py in _fit_transform(self, X, y, func, fitted)
391 _get_column(X, column), y, weight)
392 for _, trans, column, weight in self._iter(
--> 393 fitted=fitted, replace_strings=True))
394 except ValueError as e:
395 if "Expected 2D array, got 1D array instead" in str(e):
~/anaconda3/lib/python3.7/site-packages/sklearn/externals/joblib/parallel.py in __call__(self, iterable)
915 # remaining jobs.
916 self._iterating = False
--> 917 if self.dispatch_one_batch(iterator):
918 self._iterating = self._original_iterator is not None
919
~/anaconda3/lib/python3.7/site-packages/sklearn/externals/joblib/parallel.py in dispatch_one_batch(self, iterator)
757 return False
758 else:
--> 759 self._dispatch(tasks)
760 return True
761
~/anaconda3/lib/python3.7/site-packages/sklearn/externals/joblib/parallel.py in _dispatch(self, batch)
714 with self._lock:
715 job_idx = len(self._jobs)
--> 716 job = self._backend.apply_async(batch, callback=cb)
717 # A job can complete so quickly than its callback is
718 # called before we get here, causing self._jobs to
~/anaconda3/lib/python3.7/site-packages/sklearn/externals/joblib/_parallel_backends.py in apply_async(self, func, callback)
180 def apply_async(self, func, callback=None):
181 """Schedule a func to be run"""
--> 182 result = ImmediateResult(func)
183 if callback:
184 callback(result)
~/anaconda3/lib/python3.7/site-packages/sklearn/externals/joblib/_parallel_backends.py in __init__(self, batch)
547 # Don't delay the application, to avoid keeping the input
548 # arguments in memory
--> 549 self.results = batch()
550
551 def get(self):
~/anaconda3/lib/python3.7/site-packages/sklearn/externals/joblib/parallel.py in __call__(self)
223 with parallel_backend(self._backend, n_jobs=self._n_jobs):
224 return [func(*args, **kwargs)
--> 225 for func, args, kwargs in self.items]
226
227 def __len__(self):
~/anaconda3/lib/python3.7/site-packages/sklearn/externals/joblib/parallel.py in <listcomp>(.0)
223 with parallel_backend(self._backend, n_jobs=self._n_jobs):
224 return [func(*args, **kwargs)
--> 225 for func, args, kwargs in self.items]
226
227 def __len__(self):
~/anaconda3/lib/python3.7/site-packages/sklearn/pipeline.py in _fit_transform_one(transformer, X, y, weight, **fit_params)
612 def _fit_transform_one(transformer, X, y, weight, **fit_params):
613 if hasattr(transformer, 'fit_transform'):
--> 614 res = transformer.fit_transform(X, y, **fit_params)
615 else:
616 res = transformer.fit(X, y, **fit_params).transform(X)
TypeError: fit_transform() takes 2 positional arguments but 3 were given
这里的**fit_params有什么问题？对我来说，这似乎是sklearn中的错误，或者至少是不兼容。
答案 0 :(得分：2)
我认为这实际上是LabelEncoder的问题。 LabelEncoder.fit方法仅接受self和y作为参数（这很奇怪，因为大多数转换器对象都具有fit(X, y=None, **fit_params)的范例）。无论如何，无论您通过了什么，在管道中都将使用fit_params调用该变压器。在这种特殊情况下，传递给LabelEncoder.fit的确切参数是X和空字典{}。从而引发错误。
从我的角度来看，这是LabelEncoder中的一个错误，但是您应该与sklearn人员一起解决这个问题，因为他们可能有某些理由不同地实现fit方法。
答案 1 :(得分：2)
有两个主要原因导致此操作无法满足您的目的。
LabelEncoder()旨在用于目标变量（y）。这就是columnTransformer()尝试提供X, y=None, fit_params={}时出现位置参数错误的原因。 使用0到n_classes-1之间的值编码标签。
适合（y）
安装标签编码器参数：
y：形状类似数组的形状（n_samples，）
目标值。
LabelEncoder()也不能采用2D数组（一次基本上是多个要素），因为它仅需要一维y值。简短的回答-我们不应该将LabelEncoder()用于输入功能。
现在，对输入要素进行编码的解决方案是什么？
如果特征是顺序特征，请使用OrdinalEncoder()；对于名义特征，请使用OneHotEncoder()。
示例：
>>> from sklearn.compose import ColumnTransformer
from sklearn.preprocessing import OrdinalEncoder, OneHotEncoder
>>> from sklearn.preprocessing import Normalizer
>>> ct = ColumnTransformer(
... [("ordinal", OrdinalEncoder(), [0, 1]),
("nominal", OneHotEncoder(), [2, 3])])
>>> X = np.array([[0., 1., 'apple', 'green'],
... [1., 1., 'orange', 'blue']])
>>> ct.fit_transform(X)
array([[0., 0., 1., 0., 0., 1.],
[1., 0., 0., 1., 1., 0.]])
答案 2 :(得分：0)
它被称为 label 编码器，因为它旨在与数据集的 labels 一起使用，即y 值。这门课让我很困惑，直到我意识到这一点。
虽然这很令人困惑，因为在文献中，我们要么对我们的特征进行单热编码，要么对它们进行标签编码。从这个意义上说，Sklearn 对新手并不友好。
改用 OrdinalEncoder，它旨在与功能一起使用。