我在使用Scikit-Learn训练分类器。我从CSV文件中加载数据来训练我的分类器。我的一些列（例如’Town’）的值是标准的（例如可以是’New York’、’Paris’、’Stockholm’等）。为了使用这些标准列，我使用Scikit-Learn的LabelBinarizer进行独热编码。

这是我训练前转换数据的方式：

import pandas as pdfrom sklearn.preprocessing import LabelBinarizerheaders = [     'Ref.', 'Town' #,...]df = pd.read_csv("/path/to/some.csv", header=None, names=headers, na_values="?")lb = LabelBinarizer()lb_results = lb.fit_transform(df['Town'])

然而，我不清楚如何使用LabelBinarizer来创建用于预测的新输入数据的特征向量。特别是，如果新数据中包含已见过的城市（例如New York），它需要在与训练数据中相同的位置进行编码。

如何在新输入数据上重新应用标签二值化？

（我对Scikit-Learn没有强烈感觉，如果有人知道如何使用Pandas的get_dummies方法也可以。）

回答：

只需对已训练的lb模型使用lb.transform()即可。

示例：

假设我们有以下训练数据框：

In [250]: dfOut[250]:           Town0      New York1        Munich2          Kiev3         Paris4        Berlin5      New York6  Zaporizhzhia

在一部完成拟合（训练）与转换（二值化）：

In [251]: r1 = pd.DataFrame(lb.fit_transform(df['Town']), columns=lb.classes_)

得到结果：

In [252]: r1Out[252]:   Berlin  Kiev  Munich  New York  Paris  Zaporizhzhia0       0     0       0         1      0             01       0     0       1         0      0             02       0     1       0         0      0             03       0     0       0         0      1             04       1     0       0         0      0             05       0     0       0         1      0             06       0     0       0         0      0             1

lb现在已经针对df中出现的这些城市进行了训练

现在我们可以使用已训练的lb模型对新数据集进行二值化（使用lb.transform()）：

In [253]: newOut[253]:       Town0    Munich1  New York2     Dubai  # <--- 新（未训练）的城市In [254]: r2 = pd.DataFrame(lb.transform(new['Town']), columns=lb.classes_)In [255]: r2Out[255]:   Berlin  Kiev  Munich  New York  Paris  Zaporizhzhia0       0     0       1         0      0             01       0     0       0         1      0             02       0     0       0         0      0             0