使用 OneHotEncoder 和拟合数据时收到值错误

Posted 2023-03-12

【中文标题】使用 OneHotEncoder 和拟合数据时收到值错误

【英文标题】：Receiving a value error when using OneHotEncoder and fitting data

【发布时间】：2017-06-30 23:43:26

【问题描述】：

我正在处理一项作业，我们正在 scikit-learn 中使用 OneHotEncoder 来打印所有类别。这是一个数据样本和我用来转换它的代码：

      grade sub_grade  short_emp  emp_length_num home_ownership        term
0          B        B2          0              11           RENT   36 months
1          C        C4          1               1           RENT   60 months
2          C        C5          0              11           RENT   36 months
3          C        C1          0              11           RENT   36 months
4          A        A4          0               4           RENT   36 months
5          E        E1          0              10           RENT   36 months

代码：

from sklearn.preprocessing import OneHotEncoder
encoder = OneHotEncoder(categorical_features='all', handle_unknown='error', n_values='auto', sparse=True)
encoder.fit(lending_club)

我收到的错误出现在术语列上：

ValueError: could not convert string to float: ' 36 months'

【参考方案1】：

OneHotEncoder 不支持字符串功能。您必须先将它们转换为整数，例如使用LabelEncoder。另一种选择是在所有列上使用LabelBinarizer。

见How to do Onehotencoding in Sklearn Pipeline。

【讨论】：

另一个问题，我在尝试通过选择多个字符串列（例如借贷_club ['grade'，'term']）传递 DataFrame 时遇到值错误。我应该将 DataFrame 分成两个 Frame 吗？还是使用 DataMapper 从数字数据中拆分字符串数据？

能否在 SO 中创建一个包含所有所需信息的新问题？

【参考方案2】：

scikit-learn 的 OneHotEncoder 支持从 0.20.0 开始的字符串。