在 numpy 数组上应用 onehotencoder

Question

我在 numpy 数组上应用 OneHotEncoder。

这是代码

print X.shape, test_data.shape #gives 4100, 15) (410, 15)
onehotencoder_1 = OneHotEncoder(categorical_features = [0, 3, 4, 5, 6, 8, 9, 11, 12])
X = onehotencoder_1.fit_transform(X).toarray()
onehotencoder_2 = OneHotEncoder(categorical_features = [0, 3, 4, 5, 6, 8, 9, 11, 12])
test_data = onehotencoder_2.fit_transform(test_data).toarray()

print X.shape, test_data.shape #gives (4100, 46) (410, 43)

X 和 test_data 都是 <type 'numpy.ndarray'>

X 是我的训练集，test_data 是我的测试集。

为什么没有。 X 和 test_data 的列数不同。在应用 onehotencoder 后，它们应该是 46 或 43。

我正在对特定属性应用 OnehotEncoder，因为它们在 X 和 test_data 中都是分类的

有人能指出这里有什么问题吗？

Answer 1

不要在 test_data 上使用新的 OneHotEncoder，使用第一个，并且只在其上使用 transform()。这样做：

test_data = onehotencoder_1.transform(test_data).toarray()

切勿在测试数据上使用fit()（或fit_transform()）。

不同的列数是完全可能的，因为测试数据可能不包含训练数据中存在的某些类别。因此，当您使用新的 OneHotEncoder 并在其上调用fit()（或fit_transform()）时，它只会了解test_data 中存在的类别。所以列之间会有差异。