如何将您自己的类别添加到 OneHotEncoder 中

Question

我有格式的数据，例如 ['1', '5' '6', '5', '2']，其中每个标签可以是 0-9 之间任意数字的字符。我的数据的性质是名义上的分类，因此它是无序的，随后，我使用 scikit OneHotEncoder 对我的数据进行分类编码。但是，在测试模型时遇到错误，假设我有 ['1', '5', '9', '3', '1'] 当数组的第三个索引没有输入时是“9”。

我认为这是因为当我对数据进行编码时，假设在测试数据中第三个索引只有从“0”到“8”的数字，OneHotEncoder 无法识别第三个索引中的“9”索引，并抛出错误。我想知道是否有一种方法可以手动添加这些类别，因此在 ML 模型中，该类别将在那里，但上面没有数据点。

例子：

from sklearn.preprocessing import OneHotEncoder

a = [['1'], ['2'], ['3'], ['5']]
enc = OneHotEncoder()
X = enc.fit_transform(a)
enc.transform([['4']])

您可以看到我的训练数据不包含“4”，尽管“4”是一个可能的标签。所以当我对其进行编码并转换“4”时，它会抛出错误：

ValueError: Found unknown categories ['4'] in column 0 during transform

我想知道如何手动添加“4”作为类别。

Answer 1

这里可能有两种情况。

\n

\n
1. 如果您事先了解所有类别。
\n

\n

初始化 OneHot Encoder 时将所有可能的类别作为列表传递。

\n

enc = OneHotEncoder(categories = [str(i) for i in range(10)])\n

\n

\n
2. 如果您事先不知道某些类别。
\n

\n

# This argument by default is set to `error` hence throws error is an unknown\n# category is encountered.\nenc = OneHotEncoder(handle_unknown=\'ignore\')\n

\n

\n

如果转换期间存在未知分类特征，是否引发错误或忽略（默认为引发）。当此参数设置为 \xe2\x80\x98ignore\xe2\x80\x99 且在转换过程中遇到未知类别时，该功能生成的 one-hot 编码列将全为零。在逆变换中，未知类别将被表示为 None。

\n

\n

这个案例也在这​​里问

\n

有关每个参数的详细文档，请参阅此处。

\n