我当前的数据框看起来像这样：

 salary   job title    Raiting   Company_Name  Location    Seniority   Excel_needed0  100         SE         5          apple        sf          vp             01  120         DS         4         Samsung       la          Jr             12  230         QA         5         google        sd          Sr             1

现在，在对多个类别应用了sklearn的OneHotEncoding后，我得到了一个满意的模型分数，并且我想基于它们的字符串值进行预测，例如：model.predict('SE','5','apple','ca','vp','1')，而不是尝试输入成千上万个基于one-hot编码数据框的0和1。该如何做呢？

回答：

你需要保存所有处理过程，并编写一个函数来使用它。

这里是一个基本的示例：

title_encoder = LabelEncoder()title_encoder.fit(train['job title'])def predict(model, data, job_title_column, encoder):    data[job_title_column] = encoder.transform(data[job_title_column])    prediction = model.predict(data)    return predictionpredictions = predict(model, data, 'job title', title_encoder)

你也可以尝试使用Pipeline： https://scikit-learn.org/stable/modules/compose.html