0

我需要对我的测试集上的分类值进行编码,它会以某种方式抛出TypeError: argument must be a string or number. 我不知道为什么会发生这种情况,因为我可以对我的火车组做到这一点。我的意思是它们是训练/测试功能集,因此它们完全相同,它们的区别当然只是行数。我不知道如何解决这个问题,我尝试为每个使用不同的 LabelEncoder,但它仍然无法修复错误。请有人帮助我。

供您参考,分类数据在训练和测试特征集中的第 8 列

import pandas as pd
import seaborn as sns
import numpy as np
import matplotlib.pyplot as plt
from sklearn.impute import SimpleImputer
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import LabelEncoder
from sklearn.ensemble import RandomForestRegressor
import scipy.stats as ss

avo_sales = pd.read_csv('avocados.csv')

avo_sales.rename(columns = {'4046':'small PLU sold',
                            '4225':'large PLU sold',
                            '4770':'xlarge PLU sold'},
                 inplace= True)

avo_sales.columns = avo_sales.columns.str.replace(' ','')

x = np.array(avo_sales.drop(['TotalBags','Unnamed:0','year','region','Date'],1))
y = np.array(avo_sales.TotalBags)

X_train, X_test, y_train, y_test = train_test_split(x, y, test_size=0.2)

impC = SimpleImputer(strategy='most_frequent')
X_train[:,8] = impC.fit_transform(X_train[:,8].reshape(-1,1)).ravel()

imp = SimpleImputer(strategy='median')
X_train[:,1:8] = imp.fit_transform(X_train[:,1:8])

le = LabelEncoder()
X_train[:,8] = le.fit_transform(X_train[:,8])
X_test[:,8] = le.fit_transform(X_test[:,8])
4

1 回答 1

1

在测试集上,你永远不应该使用 fit_transform,而只能使用 transform。而且您似乎没有将您对训练数据所做的预处理应用到您的测试数据中,这也是一个错误。

编辑

当您在训练数据上使用 fit_transform,例如 SimpleImputer(strategy='most_frequent') 时,您基本上是在计算最频繁的值,并将其输入到包含 nan 的行中。这可以。如果您在测试集上执行 fit_transform ,那么您正在做的是作弊,因为您假设有很多实例从中计算最频繁的值(而您可能只预测一个实例)。正确的做法是使用您在训练集上找到的最频繁的值输入缺失数据。这是通过仅使用变换来完成的。相同的逻辑适用于您可以在 sklearn 中找到的所有其他 fit_transform / transform,例如在应用 PCA 或 CountVectorizer 时。

于 2020-03-13T11:12:40.257 回答