我很難理解管道應該如何在 Sklearn 中工作。以下是使用 Titanic 數據集的示例。data = pd.read_csv('datasets/train.csv')cat_attribs = ["Embarked", "Cabin", "Ticket", "Name"]num_pipeline = Pipeline([ ('imputer', SimpleImputer(strategy="median")), ])str_pipeline = Pipeline([ ('imputer', SimpleImputer(strategy="most_frequent")), ])full_pipeline = ColumnTransformer([ ("num", num_pipeline, ["Pclass", "Age", "SibSp", "Parch", "Fare"]), ("str", str_pipeline, ["Cabin", "Sex"]), ("cat", OneHotEncoder(), ["Cabin"]), ])full_pipeline.fit_transform(data)我希望這可以填充所有缺失NaN值（數字和字符串）屬性，然后最終將Cabin屬性轉換為數字屬性。相反，代碼最終出現以下錯誤：ValueError：輸入包含 NaN。如果我刪除調用 OneHotEncoder 的行并打印轉換后的數組，則沒有 NaN 值。因此我想知道。這種情況我該怎么打電話OneHotEncoder。
1 回答
小怪獸愛吃肉
TA貢獻1852條經驗 獲得超1個贊
我建議將OneHotEncoder其應用于所有分類變量。因此，將其作為單獨的管道。
由于它是數字列的單步過程，因此您可以ColumnTransformer直接使用。
嘗試這個！
from sklearn.impute import SimpleImputer
from sklearn.compose import ColumnTransformer, make_column_transformer
from sklearn.preprocessing import OneHotEncoder
from sklearn.pipeline import Pipeline, make_pipeline
cat_preprocess = make_pipeline(SimpleImputer(strategy="most_frequent"), OneHotEncoder())
ct = make_column_transformer([
("num", SimpleImputer(strategy="median"), ["Pclass", "Age", "SibSp", "Parch", "Fare"]),
("str", cat_preprocess, ["Cabin", "Sex"]),
])
pipeline = Pipeline([('preprocess', ct)])
添加回答
舉報
0/150
提交
取消