很抱歉,如果题目不太清楚,我不能用一句话来概括问题。在
以下是简化的数据集以供解释。基本上,训练集中的类别数远远大于测试集中的类别数,这是因为一次热编码后测试集和训练集中的列数存在差异。我怎么处理这个问题?在
训练集
+-------+----------+
| Value | Category |
+-------+----------+
| 100 | SE1 |
+-------+----------+
| 200 | SE2 |
+-------+----------+
| 300 | SE3 |
+-------+----------+
OneHotEncoding后的训练集
^{pr2}$测试集
+-------+----------+
| Value | Category |
+-------+----------+
| 100 | SE1 |
+-------+----------+
| 200 | SE1 |
+-------+----------+
| 300 | SE2 |
+-------+----------+
OneHotEncoding后的测试集
+-------+-----------+-----------+
| Value | DummyCat1 | DummyCat2 |
+-------+-----------+-----------+
| 100 | 1 | 0 |
+-------+-----------+-----------+
| 200 | 1 | 0 |
+-------+-----------+-----------+
| 300 | 0 | 1 |
+-------+-----------+-----------+
您可以注意到,OneHotEncoding之后的训练集是(3,4)
的形状,而OneHotEncoding之后的测试集是(3,3)
的形状。
因此,当我执行以下代码时(y_train
是形状(3,)
的列向量)
from sklearn.linear_model import LinearRegression
regressor = LinearRegression()
regressor.fit(x_train, y_train)
x_pred = regressor.predict(x_test)
我得到了预测函数的误差。如您所见,与基本示例不同,错误中的维度相当大。在
Traceback (most recent call last):
File "<ipython-input-2-5bac76b24742>", line 30, in <module>
x_pred = regressor.predict(x_test)
File "/Users/parthapratimneog/anaconda3/lib/python3.6/site-packages/sklearn/linear_model/base.py", line 256, in predict
return self._decision_function(X)
File "/Users/parthapratimneog/anaconda3/lib/python3.6/site-packages/sklearn/linear_model/base.py", line 241, in _decision_function
dense_output=True) + self.intercept_
File "/Users/parthapratimneog/anaconda3/lib/python3.6/site-packages/sklearn/utils/extmath.py", line 140, in safe_sparse_dot
return np.dot(a, b)
ValueError: shapes (4801,2236) and (4033,) not aligned: 2236 (dim 1) != 4033 (dim 0)
您必须按照x峎u train的转换方式来转换
x_test
。在请确保使用的
onehotencoder
对象与x}列车上的fit()
相同。在我假设您当前正在对测试数据使用fit_transform()。 做
fit()
或fit_transform()
会忘记先前学习的数据,并重新拟合oneHotEncoder。它现在认为列中只有两个不同的值,因此会改变输出的形状。在相关问题 更多 >
编程相关推荐