如何将分类数据编码为标签以进行训练和测试

Question

训练数据集包含称为商店和其他对象的列。现在对于机器学习模型，我将列转换为标签以用于训练目的。使用下面的代码

from sklearn.ensemble import RandomForestRegressor
X = df_all_4.copy()
y = df_all_4.item_price
X = X.drop(['item_price','date'], axis=1)
for c in df_all_4.columns[df_all_4.dtypes == 'object']:
    X[c] = X[c].factorize()[0]
rf = RandomForestRegressor()
rf.fit(X,y)

现在测试数据集也有这些分类列，但我认为缺少一些列，包括与此处不相关的目标列。但是，如果我再次标记训练数据集（无序），标签将与训练时使用的标签不同，因此模型将无法正常工作。如何解决这个问题并在训练和测试时获得相同的编码

Answer 1

这里重要的是您可以使用 Sklearn 包中的 LabelEncoder 或 OneHotEncoder 类。这使得这项任务非常简单。

from sklearn.preprocessing import LabelEncoder,OneHotEncoder
for c in df_all_4.columns[df_all_4.dtypes == 'object']:
    le = LabelEncoder()
    X[c] = le.fit_transform(X[c])
    test[c] = le.transform(test[c])

就是这样，您已将标签编码为训练数据和测试数据的数字 您还可以使用 OneHotEncoder 对分类数据执行 OneHotEncoding。