Python 在scikit学习版0.21.2的OneHotEncoder中使用活动的功能和功能索引

我对在Python中使用scikit库非常陌生，我的scikit学习版本是

0.21.2

。我使用了

onehotcoder

对数据集中的分类变量进行编码

现在，我尝试使用给定的代码和，按照下面的2个链接，将编码列链接回原始变量

不幸的是，它不断抛出这些错误

'OneHotEncoder' object has no attribute '_active_features_'
'OneHotEncoder' object has no attribute '_feature_indices_'

---

如何解决这些错误并使代码正常工作。

我认为您提到的解决方案实际上使逻辑更加复杂

get\u feature\u names（）

就足够了

例如：

将numpy导入为np
作为pd进口熊猫
从sklearn.preprocessing导入OneHotEncoder
从sklearn.linear_模型导入逻辑回归
n_样本=50
data=pd.DataFrame（{'colors'：np.random.choice（['red'，'blue'，'green']，n_samples），
“形状”：np.random.choice（['circle'，'square']，n_samples）}）
y=np.random.choice（['apples'，'oranges'，]，n_样本）
enc=onehotcoder（）
X=enc.fit_变换（数据）
lr=逻辑回归（）.fit（X，y）
pd.DataFrame（{'feature_name'：enc.get_feature_name（data.columns）），
'coef'：np.squence（lr.coef_417;}）

---

我认为您提到的解决方案实际上使逻辑更加复杂

get\u feature\u names（）

就足够了

例如：

将numpy导入为np
作为pd进口熊猫
从sklearn.preprocessing导入OneHotEncoder
从sklearn.linear_模型导入逻辑回归
n_样本=50
data=pd.DataFrame（{'colors'：np.random.choice（['red'，'blue'，'green']，n_samples），
“形状”：np.random.choice（['circle'，'square']，n_samples）}）
y=np.random.choice（['apples'，'oranges'，]，n_样本）
enc=onehotcoder（）
X=enc.fit_变换（数据）
lr=逻辑回归（）.fit（X，y）
pd.DataFrame（{'feature_name'：enc.get_feature_name（data.columns）），
'coef'：np.squence（lr.coef_417;}）

from sklearn import preprocessing
encoder = preprocessing.OneHotEncoder(categorical_features=[0,1,2])
X_train = encoder.fit_transform(data_train)
print encoder.feature_indices_

'OneHotEncoder' object has no attribute '_active_features_'
'OneHotEncoder' object has no attribute '_feature_indices_'