Question

我正在研究一个专注于OneHotEncoder的教程。我有编码功能背后的想法，但在将编码器与管道结合使用以进行新的预测时遇到了一个小问题。 “性别”和“禁止”这两个特征是分类而非数字。在创建新的numpy数组进行预测时，您使用初始值（例如“ male”和“ C”）还是“ 1”和“ 2”来进行新的预测？我收到以下错误：“ ValueError：仅对pandas DataFrames支持使用字符串指定列”，这很奇怪，因为我使用的是数字值。无论如何，我是否必须适应X_new的管道以做出新的预测？如果是这样，我该怎么办？

X_new = [[3, 1, 0]] OR X_new = [['3','male', 'C']]

pipe.predict(X_new)

完整代码：

import pandas as pd

import numpy as np


df = pd.read_csv("https://raw.githubusercontent.com/---/pandas-videos/master/data/titanic_train.csv")


from sklearn.linear_model import LogisticRegression

logreg = LogisticRegression(solver='lbfgs')



from sklearn.model_selection import cross_val_score

cross_val_score(logreg, X, y, cv=5, scoring='accuracy').mean()


from sklearn.preprocessing import OneHotEncoder

ohe = OneHotEncoder(sparse=False)


X = df.drop('Survived', axis='columns')


from sklearn.compose import make_column_transformer

column_trans = make_column_transformer(

  (OneHotEncoder(), ['Sex', 'Embarked']),

remainder='passthrough')


column_trans.fit_transform(X)


from sklearn.pipeline import make_pipeline

pipe = make_pipeline(column_trans, logreg)



cross_val_score(pipe, X, y, cv=5, scoring='accuracy').mean()



X_new = [[3, 1, 0]]

pipe.predict(X_new)

Answer 1

应用OneHotEncoder时，您指定的分类列将根据分类列中唯一值的数量转换为多个整数列。

例如，性别列包含“男性”和“女性”，则它将原始列转换为“男性”和“女性”两列。与LabelEncoder有所不同。

如果要应用管道，逻辑回归和OneHotEncoder，则可以使用管道来拟合训练数据。

pipe.fit(X,y)

，然后您可以应用预测。这是一个示例，其中我应用了“性别”，“年龄”和“登船”这3个特征，并对“登船”和“登船”应用了OHE。

X_new = [['female', 20, 'C']]
X_new_df = pd.DataFrame (X_new,columns=['Sex','Age','Embarked'])
pipe.predict(X_new_df)

但是，您在代码中使用的功能是除标签类（“生存”）之外的所有功能，标签类是11个功能。输入的数量必须等于或大于拟合的模型，而您仅应用可能提示和错误的3列。

如何使用OneHotEncoder和Pipeline进行新的预测？

1 个答案: