通过在一个热编码数据上训练的模型预测新值答案

【问题标题】：predicitng new value through a model trained on one hot encoded data通过在一个热编码数据上训练的模型预测新值
【发布时间】：2019-10-01 16:08:14
【问题描述】：

这可能看起来是个小问题。但是我陷入了从模型中预测结果的困境。我的问题是这样的：

我有一个形状为 1000 x 19（目标特征除外）的数据集，但经过一次热编码后，它变成了 1000 x 141。由于我在形状为 1000 x 141 的数据上训练了模型，因此我需要（至少）形状为 1 x 141 的数据进行预测。我也知道在 python 中，我可以使用来进行未来预测

model.predict(data)

但是，由于我是通过一个 1 x 19 形状的门户网站从最终用户那里获取数据。现在我很困惑如何进一步根据用户数据进行预测。

如何将形状为 1 x 19 的数据转换为 1 x 141，因为我必须保持与训练/测试数据相同的顺序意味着列的顺序不应不同？对此方向的任何帮助将不胜感激。

【问题讨论】：

如果你使用的是最新的sklearn版本的OneHotEncoder，你可以简单地使用内置的inverse transform方法
你可以检查这个：stackoverflow.com/questions/54786266/…
为什么不使用与训练数据预测功能相同的技术（一种热编码）将用户数据的特征从 19 个特征转换为 141 个特征？
感谢您的回复。但请不要介意。你不认为这不是一个答案。您可以在评论而不是回答中提出这些建议。顺便说一句，需要与以前的数据保持一致，而您建议的方法无法做到这一点
@G.Anderson。你能用任何例子解释一下吗？我怎样才能使用逆变换。我阅读了文档，但我仍然不清楚整个情况。如果我有形状为 1x141 的数据，它可以解决我的问题

标签： python machine-learning scikit-learn random-forest prediction

【解决方案1】：

我假设要创建一个热编码，您使用的是 sklearn onehotencoder。如果你使用它，那么问题应该很容易解决。由于您在训练数据上安装了一个热门编码器

from sklearn.preprocessing import OneHotEncoder
encoder = OneHotEncoder(categories = "auto", handle_unknown = "ignore")
X_train_encoded = encoder.fit_transform(X_train)

所以现在在上面的代码中，您的编码器适合您的训练数据，因此当您获得测试数据时，您可以使用这个适合的编码器将其转换为相同的编码数据。

test_data = encoder.transform(test_data)

现在您的测试数据也将是 1x141 的形状。您可以使用检查形状

(pd.DataFrame(test_data.toarray())).shape

【讨论】：

感谢您的回复！！它工作正常。只是一个小编辑 OneHotEncoder 而不是这一行中的 OneHotEncode 编码器 = OneHotEncode(categories = "auto", handle_unknown = "ignore")
嘿@rajat kabra 如果我在一列中有许多分类字符串值，我是否还需要在应用一个热编码器之前执行标签编码。
不，你不必在一个热点之前进行标签编码。可以进行标签编码而不是一个热点，因为它为每个可以在 ML 算法中使用的类别分配一个唯一的编号。
谢谢@rajat kabra。我还有一个问题。此 fit_transform 将 39 个输入特征 (1000x39) 转换为 5090 个特征 (1000X5090)。对此有任何建议。请帮忙
那不好。那只是维度的诅咒。功能太多了。对整个数据进行一次热编码并不是一个好主意。在一次热编码之前尝试特征选择以减少特征数量。可能有一些特性可能比使用标签编码更好地处理