Python sklearn onehotencoder

Question

我正在尝试为我的向量的第四个特征编码分类数据，该特征位于一个 numpy 数组中。类别是“4”或“6”。我可以使用以下方法将它们更改为二进制：

 features_in_training_set = [[0 0 0 0 4], [0 0 0 0 4], [0 0 0 0 6],[0 0 0 0 4],[0 0 0 0 6]]

 features_in_training_set[:,4] = LabelEncoder().fit_transform(features_in_training_set[:,4]) 

但是，当然，我需要更改它，以便分类器不会认为“4”大于“6”。但是，当我运行以下命令时：

onehotencoder = OneHotEncoder(categorical_features=[4], handle_unknown='ignore')

features_in_training_set = onehotencoder.fit_transform(features_in_training_set).toarray()

我收到的错误是：

TypeError: int() argument must be a string, a bytes-like object or a number, not 'NoneType'

TypeError: Wrong type for parameter `n_values`. Expected 'auto', int or array of ints, got <class 'numpy.ndarray'>

我检查了我是否有任何缺失值或任何字符串，但我没有。所有特征都是整数。

谢谢。

Answer 1

scikit-learn (> 0.20) 中的当前OneHotEncoder 可以处理字符串或其他分类特征本身，不需要首先使用LabelEncoder 将类别编码为数字（或将不同的数字编码为唯一的排序数字） .

此错误是OneHotEncoder 中的一个错误，因为它一直在发展以处理上述情况，同时也应该支持较旧的用例作为您的问题。在代码中添加n_values='auto' 将删除此错误，如下所示：

onehotencoder = OneHotEncoder(categorical_features=[4], n_values='auto', 
                              handle_unknown='ignore')

如果您从代码中删除 handle_unknown 参数，那么这也是可行的，但不应这样做。

在此处查看此问题：

• https://github.com/scikit-learn/scikit-learn/issues/12881