这可能看起来是一个微不足道的问题。但我陷入了预测模型结果的困境。我的问题是这样的:
我有一个形状为 1000 x 19 的数据集(目标特征除外),但经过一次热编码后,它变成了 1000 x 141。
由于我在形状为 1000 x 141 的数据上训练模型,因此我需要(至少)形状为 1 x 141 的数据进行预测。
我也知道在 python 中,我可以使用
model.predict(data)
但是,由于我是通过形状为 1 x 19 的门户网站从最终用户那里获取数据。现在我很困惑应该如何进一步根据用户数据进行预测。
如何将形状 1 x 19 的数据转换为 1 x 141,因为我必须保持与训练/测试数据相同的顺序,这意味着列的顺序不应不同?
对此方向的任何帮助将不胜感激。
我假设要创建一个热编码,您正在使用 sklearn onehotencoder。如果你使用它,那么问题应该很容易解决。由于您正在将一个热编码器安装到您的训练数据上
from sklearn.preprocessing import OneHotEncoder
encoder = OneHotEncoder(categories = "auto", handle_unknown = "ignore")
X_train_encoded = encoder.fit_transform(X_train)
因此,现在在上面的代码中,您的编码器已安装在训练数据上,因此当您获得测试数据时,您可以使用此安装的编码器将其转换为相同的编码数据。
test_data = encoder.transform(test_data)
现在您的测试数据也将是 1x141 形状。您可以使用检查形状
(pd.DataFrame(test_data.toarray())).shape
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)