我在一个机器学习项目中使用了sklearn中的LabelEncoder和OneHotEncoder来对数据集中的标签（国家名称）进行编码。一切运作良好，我的模型运行得很完美。这个项目是基于多个特征（数据）来分类银行客户是否会继续留在银行还是离开，包括客户的国家信息。
我的问题出现在我要预测（分类）一个新客户（仅一个）时。新客户的数据尚未经过预处理（即，国家名称未被编码）。类似于以下情况：
new_customer = np.array([['France', 600, 'Male', 40, 3, 60000, 2, 1,1, 50000]])在我在线学习机器学习的课程中，讲师打开了包含已编码数据的预处理数据集，并手动检查了France的编码，并在new_customer中进行了更新，如下所示：
new_customer = np.array([[0, 0, 600, 'Male', 40, 3, 60000, 2, 1,1, 50000]])我认为这种方法不实用，应该有办法自动将France编码为原始数据集中使用的相同代码，或者至少有一种方法可以返回国家列表及其编码值。手动编码标签似乎既繁琐又容易出错。那么，我如何自动化这个过程，或为标签生成代码呢？提前感谢您的帮助。
回答：
看起来您可能是在寻找估算器的.transform()方法。
>>> from sklearn.preprocessing import LabelEncoder>>> c = ['France', 'UK', 'US', 'US', 'UK', 'China', 'France']>>> enc = LabelEncoder().fit(c)>>> encoded = enc.transform(c)>>> encodedarray([1, 2, 3, 3, 2, 0, 1])>>> encoded.transform(['France'])array([1])这会使用您调用fit(c)时学习到的“映射”，并将其应用于新数据（在本例中是一个新标签）。您可以反向查看这个映射：
>>> enc.inverse_transform(encoded)array(['France', 'UK', 'US', 'US', 'UK', 'China', 'France'], dtype='<U6')如这里的回答所提到的，如果您想在不同的Python会话之间进行此操作，您可以将估算器序列化到磁盘上，如下所示：
import picklewith open('enc.pickle', 'wb') as file: pickle.dump(enc, file, pickle.HIGHEST_PROTOCOL)然后在新的会话中加载它，并用它来转换传入的数据。
