OneHotEncoder ValueError: 输入包含NaN

我已经下载了这个数据集,以下是我的代码:

from sklearn.metrics import classification_report, confusion_matrixfrom sklearn.utils.multiclass import unique_labelsimport plotly.figure_factory as ffimport pandas as pdfrom sklearn.preprocessing import LabelEncoder, StandardScalerfrom sklearn.impute import SimpleImputerimport numpy as npfrom sklearn.impute import KNNImputerfrom sklearn.model_selection import train_test_splitfrom sklearn.svm import SVCfrom sklearn.tree import DecisionTreeClassifierfrom sklearn.pipeline import Pipelinefrom sklearn.preprocessing import OrdinalEncoder, OneHotEncoderfrom sklearn.compose import make_column_transformerrandom_state = 27912df_train = pd.read_csv("...")df_test  = pd.read_csv("...")X_train, X_test, y_train, y_test = train_test_split(df_train.drop(["Survived", "Ticket", "Cabin", "Name", "PassengerId"],                                                                   axis = 1),                                                     df_train["Survived"], test_size=0.2,                                                     random_state=42)numeric_col_names = ["Age", "SibSp", "Parch", "Fare"]ordinal_col_names = ["Pclass"]one_hot_col_names = ["Embarked", "Sex"]ct = make_column_transformer(    (SimpleImputer(strategy="median"), numeric_col_names),    (SimpleImputer(strategy="most_frequent"), ordinal_col_names + one_hot_col_names),    (OrdinalEncoder(), ordinal_col_names),    (OneHotEncoder(), one_hot_col_names),    (StandardScaler(), ordinal_col_names + one_hot_col_names + numeric_col_names))preprocessing_pipeline = Pipeline([("transformers", ct)])preprocessing_pipeline.fit_transform(X_train)

我在尝试创建一个用于预处理步骤的column_transformer,然而,OneHotEncoding步骤出现了错误,ValueError: Input contains NaN。我不知道为什么会这样,因为我之前已经填补了值。有什么线索可以解释为什么会发生这种情况吗?

尝试像这样的解决方案也没有帮助

preprocessing_pipeline = Pipeline([("transformers", ct_first)])ct_second = make_column_transformer((OneHotEncoder(), one_hot_col_names),(StandardScaler(), ordinal_col_names + one_hot_col_names + numeric_col_names))pipeline = Pipeline([("transformer1", preprocessing_pipeline), ("transformer2", ct_second)])pipeline.fit_transform(X_train)

我想知道为什么会发生这种情况,以及为什么上述代码的第一次和第二次尝试是不正确的。谢谢


回答:

您需要为每种类型的列创建一个管道,以确保不同的步骤是按顺序应用的(即确保在编码和缩放之前先填补缺失值),另请参阅scikit-learn文档中的这个示例

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