如果我遗漏了什么，我很抱歉，但我不知道为什么这不起作用：
using DataFrames, MLJjulia> df = DataFrame(A = 1:4, B = ["M", "F", "F", "M"])4×2 DataFrame│ Row │ A │ B ││ │ Int64 │ String │├─────┼───────┼────────┤│ 1 │ 1 │ M ││ 2 │ 2 │ F ││ 3 │ 3 │ F ││ 4 │ 4 │ M │julia> hot_model = OneHotEncoder()julia> hot = machine(hot_model, df)julia> fit!(hot)julia> Xt = MLJ.transform(hot, df)Xt 与 df 完全相同，它没有转换列。我尝试在 OneHotEncoder() 中指定特征，但这并没有改变。我还看到可以通过包装它并在最后与模型一起拟合来创建管道，但它应该像那样工作，对吗？是不是因为列的类型？它应该是什么 scitype？是分类类型吗？我怎样才能将其更改为分类类型呢？
回答：
是的，你需要更改列的 scitypes。你可以通过在数据框上使用 schema 来检查每列的 scitype：
julia> schema(df)┌─────────┬─────────┬────────────┐│ _.names │ _.types │ _.scitypes │├─────────┼─────────┼────────────┤│ A │ Int64 │ Count ││ B │ String │ Textual │└─────────┴─────────┴────────────┘_.nrows = 4在这里你可以看到列 B 的 scitype 是 Textual，所以你需要将其更改为 Multiclass。你可以使用 coerce 函数来更改列的 scitypes。请注意，在 MLJ 中，整数列被解释为计数数据，所以如果你希望列 A 代表连续数据，你也需要强制转换它。 coerce 方法的使用如下：
julia> coerce!(df, :A => Continuous, :B => Multiclass)4×2 DataFrame│ Row │ A │ B ││ │ Float64 │ Cat… │├─────┼─────────┼──────┤│ 1 │ 1.0 │ M ││ 2 │ 2.0 │ F ││ 3 │ 3.0 │ F ││ 4 │ 4.0 │ M │现在单热编码器将正常工作。
ohe = machine(OneHotEncoder(), df)fit!(ohe)Xt = MLJ.transform(ohe, df)4×3 DataFrame│ Row │ A │ B__F │ B__M ││ │ Float64 │ Float64 │ Float64 │├─────┼─────────┼─────────┼─────────┤│ 1 │ 1.0 │ 0.0 │ 1.0 ││ 2 │ 2.0 │ 1.0 │ 0.0 ││ 3 │ 3.0 │ 1.0 │ 0.0 ││ 4 │ 4.0 │ 0.0 │ 1.0 │有关更多信息，请参阅 MLJ 手册中关于处理分类数据的部分。
