Python 不同维数输入数据的SGD分类器部分拟合学习

我正在尝试对一个热编码数据执行SGD分类。我对我的培训示例进行了拟合，希望稍后对较少的数据执行部分拟合。 我理解由于拟合数据和部分拟合数据之间的维度更改而引发的错误

我也知道我需要在我的

hot\u new\u df

上执行数据转换，但我不确定如何进行

在[29]--中，我正在做一个

fit（）

在[32]--中，我正在做一个

partial\u fit（）

我刚才给出了一个假设的例子。。。我的实际数据超过了40K行~200列的形状

Jupyter QtConsole 4.3.1 Python 3.6.2 |蟒蛇自定义（64位）|（默认值，2017年9月21日，18:29:43） 有关详细信息，请键入“版权”、“信用”或“许可证” IPython 6.1.0——一种增强的交互式Python。键入“？”以获取帮助。 在[27]中：导入熊猫作为pd ...: …：input_df=pd.DataFrame（dict（水果=['Apple'，'Orange'，'Pine']， …：颜色=[“红色”、“橙色”、“绿色”]， …：is_sweet=[0,0,1]， …：国家=[“美国”、“印度”、“亚洲”]， …：is_valid=['valid'，'valid'，'Invalid']）） …：输入_df 出[27]： 颜色乡村水果是甜的是有效的 0红色美国苹果0有效 1橙色印度橙色0有效 2青松1号无效 在[28]中：hot_df=pd.get_dummies（输入_df，列=['fruit'，'color'，'country']） …：热的 出[28]： 是甜是有效的水果苹果水果橘子水果松树颜色绿色\ 0 0有效1 0 0 0 0 1 0有效的0 1 0 0 2 1无效的0 1 1 1 颜色橙色红色国家亚洲国家印度国家美国 0 0 1 0 0 1 1 1 0 0 1 0 2 0 0 1 0 0 在[29]：从sklearn.linear_模型导入SGDClassizer …：从sklearn.model\u选择导入列车\u测试\u拆分 ...: …：X_系列，X_测试，y_系列，y_测试=系列测试分割（热测向下降（['is_valid']，轴=1）， …：hot_df['is_valid']， …：测试尺寸=0.1） …：clf=sgdclassizer（loss=“log”，罚金=“l2”） …：clf.fit（X_系列，y_系列） …：clf /Users/praj3/anaconda3/lib/python3.6/site packages/sklearn/linear_model/random_gradient.py:84:FutureWarning:max_iter和tol参数已添加到0.19中。如果两者都未设置，则默认为max_iter=5和tol=None。如果tol不是None，则max_iter默认为max_iter=1000。从0.21开始，默认最大iter为1000，默认tol为1e-3。 “和默认tol将为1e-3。”%类型（自我），未来警告） 出[29]： SGDClassizer（α=0.0001，平均值=False，等级权重=None，ε=0.1， eta0=0.0，拟合截距=真，l1_比率=0.15， 学习速率=最优，损耗=对数，最大iter=5，n\U iter=无， n_作业=1，惩罚=l2'，功率=0.5，随机状态=None， shuffle=True，tol=None，verbose=0，warm\u start=False） 在[30]中：new_df=pd.DataFrame（dict（fruit=['Banana']）， …：颜色=[“红色”]， …：is_sweet=[1]， …：国家=[“印度”]， …：is_valid=['Invalid']）） …：新的 出[30]： 颜色乡村水果是甜的是有效的 0红色印度香蕉1无效 在[31]中：hot\u new\u df=pd.get\u dummies（new\u df，columns=['fruit'、'color'、'country'） …：热的新的 出[31]： 是甜是有效的水果是香蕉的颜色是红色的国家是印度 0 1无效1 在[32]中：clf.部分拟合（热新测向下降（['is\u valid']，axis=1），热新测向['is\u valid']）） --------------------------------------------------------------------------- ValueError回溯（最近一次调用上次） 在（） ---->1 clf.部分配合（热新测向下降（['is\u valid']，轴=1），热新测向['is\u valid']）） 部分拟合中的~/anaconda3/lib/python3.6/site-packages/sklearn/linear\u model/randomic\u gradient.py（自我、X、y、类、样本重量） 543学习率=自学习率，最大学习率=1， 544类=类，样本重量=样本重量， -->545 coef_init=None，intercept_init=None） 546 547 def fit（自身、X、y、coef_init=无、截距_init=无、， ~/anaconda3/lib/python3.6/site-packages/sklearn/linear\u model/randomic\u gradient.py in\u partial\u fit（self，X，y，alpha，C，loss，learning\u rate，max\u iter，class，sample\u weight，coef\u init，intercept\u init） 381 elif n_features！=self.coef_.shape[-1]： 382 raise VALUE ERROR（“功能%d的数量与以前的不匹配” -->383“数据%d.”%（n_特征，自系数形状[-1]）） 384 385 self.loss\u函数=self.\u get\u loss\u函数（loss） ValueError:功能数4与以前的数据10不匹配。

---

在[33]：中，您应该使用

sklearn.preprocessing.onehotcoder

。可以找到相关文档

在编码前进行列车测试分割，使用情况如下：

from sklearn.preprocessing import OneHotEncoder
encoder = OneHotEncoder()
encoder.fit(X_train)

X_train = encoder.transform(X_train)
X_test = encoder.transform(X_test)

---

我希望这能有所帮助！

我建议使用sklearn的工具进行一次热编码（而不是熊猫）。然后你得到了一个编码器类，它可以

转换

其他数据。@sascha，你能建议如何用示例进行转换吗？我可以使用sklearn one热编码，我试过使用OneHotEncod