所有自变量都是分类的，因（目标）变量是连续的

Question

这是我建立模型所需的数据：

dataframe

• 数据框包含 834 行和 4 列（'Size','Sector','Road Connectivity','Price'）

• AIM 是训练模型以预测价格

• “大小”、“扇区”和“道路连通性”是分配给 X 变量的 3 个特征。

• “价格”，即我们的目标特征分配给 y 变量

• 我已经制作了一个由一个热编码器和线性回归器组成的管道 下面是代码：

ohc=OneHotEncoder(categories = "auto")
lr=LinearRegression(fit_intercept=True,normalize=True)
pipe=make_pipeline(ohc,lr)

from sklearn.model_selection import ShuffleSplit
from sklearn.model_selection import cross_val_score
kfolds=ShuffleSplit(n_splits=5,test_size=0.2,random_state=0)
cross_val_score(pipe,X,y,cv=kfolds).mean()

输出 =0.8970496076598085

xinp=([['04M','Sec 10','C road']])
pipe.fit(X,y)
pipe.predict(xinp)

现在，当我将值传递给管道以进行预测时，它会显示错误：

"""在转换过程中在第 1 列中发现未知类别 ['Sec 10']"""

感谢任何有助于构建模型的建议...

Answer 1

看起来您提供了类别（在xinp 中，Sec 10 值），它不存在于训练数据中，因此它不能是一个热编码，因为没有虚拟变量（没有相应的二进制列） 为了它。一种可能的解决方案如下：

ohc=OneHotEncoder(categories = "auto", handle_unknown = "ignore")

来自 scikit 一热编码器documentation：

handle_unknown{'error', 'ignore'}, default='error'

如果在转换期间存在未知的分类特征，是否引发错误或忽略（默认为引发）。当这 参数设置为“忽略”，遇到未知类别 在转换期间，为此生成的 one-hot 编码列 特征将全为零。在逆变换中，未知 类别将被表示为无。