Python scikit学习-预测模型返回”；“错误”；预测

我在一个名为

shippings.CSV

的CSV文件中有以下数据集。该文件有>8k行：

| Consignor Code | Consignee Code | Origin | Destination | Carrier Code | 
|----------------|----------------|--------|-------------|--------------| 
| 6403623194     | 6405167792     | DKCPH  | AUMEL       | 6402746389   | 
| 6403623194     | 6403823770     | DKBLL  | CNTSN       | 6402746354   | 
| 6403623194     | 6403823770     | DKBLL  | CNTSN       | 6402746354   | 
| 6403623194     | 6402546085     | DKBLL  | USDEN       | 6402746424   | 
| 6403623194     | 6402546085     | DKBLL  | USDEN       | 6402746424   | 
...

我正在尝试创建一个简单的模型，在该模型中，我可以根据

收货人代码

预测

目的地

为此，我创建了以下代码：

#加载数据集并删除不需要的列和NaN值。
dataset=pd.read\u csv（'shippings\u non\u empty.csv'，header=0，skip\u blank\u lines=True）
数据集.drop（列=['发货人代码'，'承运人代码'，'Origin']，inplace=True）
dataset.dropna（子集=['收货人代码'，'Destination']，inplace=True）
#将收货人代码视为字符串
数据集['收货人代码]]=数据集['收货人代码]]。aType（'int64'）
#定义我们的目标（我们想要预测的），并将其从
target=dataset.pop（'Destination'）
#将所有数据转换为数值，以便使用.fit函数。
#为此，我们使用LabelEncoder
leu=preprocessing.LabelEncoder（）
le_target=preprocessing.LabelEncoder（）
target=le_target.fit_变换（列表（目标））
dataset['Delegator Code']=le_delegator.fit_变换(
列表（数据集['收货人代码]））
#准备数据集。
X_列车，X_试验，y_列车，y_试验=列车试验(
数据集，目标，测试大小=0.30，随机状态=42）

此时，我的数据集（训练/测试）已准备就绪。然后，我继续拟合模型并预测新的输入：

#准备模型并安装。
model=RandomForestClassifier（）
模型拟合（X\U系列、y\U系列）
#对测试集进行预测。
预测=模型预测（X_检验）
#打印准确度分数。
打印（“预测输出的准确度得分为：{}”。格式(
准确度评分（y检验、预测）
#对新输入进行测试。
新输入=[“6402546085”]
fitted_new_input=np.array（[le_designer.transform（[new_input[0]]）[0]]））
新的预测=模型。预测（拟合的新输入。重塑（1，-1））
打印（le_目标。逆_变换（新_预测））

上述代码将打印如下：

The accuracy score of the predicted output is: 0.7233265720081136
['SAJED']

如您所见，它将目的地预测为“SAJED”。我觉得这很奇怪，因为我的数据集中没有任何一个数据集，

收货人代码是
6402546085
，是目的地
SAJED

我做错了什么
 您有一个astype（int64），其中您的注释显示为string。这是个错误吗？@JasonChia这确实是个错误！很好的接球。我把它改为
astype（str）
，现在它返回
USDEN
这是否意味着你的问题解决了？@JasonChia抱歉，是的！或者至少看起来是这样。根据我的数据，
6402546085
总是被发送到目的地
USDEN
好的。很高兴听到这个消息。祝你好运：）