ValueError: 在转换过程中在第7列发现未知类别 [‘?’] – 乳腺癌数据集

我正在尝试使用UCI仓库中的1988年乳腺癌数据集来解决一个分类机器学习问题(https://archive.ics.uci.edu/ml/datasets/Breast+Cancer)。我反复遇到以下错误,尽管并不是每次都出现。有时候算法可以顺利运行到模型训练和预测测试准确率的阶段,有时候在OneHotEncoding阶段失败并显示以下错误:

ohe = OneHotEncoder()ohe.fit(X_train)X_train_encoded = ohe.transform(X_train)X_test_encoded = ohe.transform(X_test)
---------------------------------------------------------------------------ValueError                                Traceback (most recent call last)<ipython-input-5-2cfd638a5b4d> in <module>()      2 ohe.fit(X_train)      3 X_train_encoded = ohe.transform(X_train)----> 4 X_test_encoded = ohe.transform(X_test)1 frames/usr/local/lib/python3.6/dist-packages/sklearn/preprocessing/_encoders.py in _transform(self, X, handle_unknown)    122                     msg = ("Found unknown categories {0} in column {1}"    123                            " during transform".format(diff, i))--> 124                     raise ValueError(msg)    125                 else:    126                     # Set the problematic rows to an acceptable value andValueError: Found unknown categories ['?'] in column 7 during transform

我尝试在Colab和Spyder中运行,但都遇到了相同的问题,不确定哪里出错了。我在分割数据集和编码之前对缺失值进行了填补,但即使我移除了SimpleImputer,仍然会出现错误。

dataset = pd.read_csv('breast-cancer.csv')X = dataset.iloc[:, :-1].valuesy = dataset.iloc[:, -1].valuesfrom sklearn.impute import SimpleImputerimputer = SimpleImputer(missing_values=np.nan, strategy='most_frequent')imputer.fit(X)X_imputed = imputer.transform(X)from sklearn.model_selection import train_test_splitX_train, X_test, y_train, y_test = train_test_split(X_imputed, y, test_size = 0.25)ohe = OneHotEncoder()ohe.fit(X_train)X_train_encoded = ohe.transform(X_train)X_test_encoded = ohe.transform(X_test)<-- Code stops running here -->le = LabelEncoder()le.fit(y_train)y_train_encoded = le.transform(y_train)y_test_encoded = le.transform(y_test)

回答:

测试数据可能包含训练数据中不存在的新条目。你可以尝试这样做吗?

ohe = OneHotEncoder(handle_unknown = "ignore")

关于这个参数:在转换过程中,如果存在未知的分类特征,是否抛出错误或忽略(默认是抛出错误)。当此参数设置为’ignore’并且在转换过程中遇到未知类别时,该特征的one-hot编码列将全部为零。

更多信息请查看:

https://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.OneHotEncoder.html

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注