Python 使用分类数据进行回归时发现未知类别

我正在用ScikitLearn和Python做线性回归。 我的数据有分类值，所以我使用了编码

df = df[['Lokacija','Kvadratura', 'Stanje', 'Kategorija',
         'Grejanje', 'Ukupno spratova','Sprat','Ukupna cena']]

encoder = ColumnTransformer(transformers=[
    ('onehot', OneHotEncoder(), ['Lokacija', 'Stanje', 'Grejanje']),
    ('scale', StandardScaler(), ['Kvadratura','Kategorija', 'Ukupno spratova', 'Sprat'])],
     remainder='passthrough')

x = df.iloc[:,:-1]
x = encoder.fit_transform(x)
y = df.iloc[:,-1]

我想找到最佳数量的功能，所以我使用了

RFE

x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.33, random_state=42)

for i in range(1,5):
    final_rfe = RFE(LinearRegression(), i)
    model = final_rfe.fit(x_train, y_train)

#ERROR IN LINE BELOW!

    input_par = encoder.transform(pd.DataFrame([{
                                                "Lokacija": 'Vracar', 
                                                'Kvadratura': 56,
                                                'Stanje': 'Novogradnja',
                                                'Grejanje': 'Centralno grejanje',
                                                'Ukupno spratova': 6,
                                                'Sprat': 3}]))

    my_prediction = model.prediction(input_par)
    reg_score = model.score(x_test, y_test)
    print(my_prediction[0], reg_score)

但当我这么做的时候，我犯了一个错误：

ValueError: Found unknown categories ['Vracar'] in column 0 during transform

我做错了什么？

---

我知道问题正在转变，但我不知道我做错了什么。

有两种可能的解决方案：

• 列车/测试拆分期间进行分层：

  x\u列车，x\u测试，y\u列车，y\u测试=列车/测试拆分（x，y，测试大小=0.33，分层=df['Lokacija'，'Stanje'，'Grejanje']，随机状态=42）

• 更改处理未知分类功能的方式：

  （'onehot'，onehotcoder（handle_unknown='ignore'），['Lokacija'，'Stanje'，'Grejanje']）

---

您在

x

中的数据是否包含

Lokacija

具有

Vracar

值的行？如果编码器在

fit\u transform

中没有看到这一点，则以后无法对其进行转换。您可以使用

df[df[“Lokacija”]==“Vracar”]

检查

分层的含义和
处理未知的内容是什么？对于
分层
，数据以分层的方式进行分割，将其用作类标签。例如，您的数据集将以这样的方式进行拆分，
x_train
和
x_test
将包含
“Lokacija”、“Stanje”、“Grejanje”的所有可能值。对于
handle_unknown
-当在转换过程中遇到未知类别时，此功能的热编码列将全部为零。在逆变换中，未知类别将表示为无。