Python >和y_test独立地，结果编码将彼此不对应。您希望使用一个，这样当您使用列车数据安装编码器时，您就可以使用相同的编码方案变换y\u测试

下面是一个例子来说明这一点：

from sklearn.preprocessing import LabelEncoder

l = [1,4,6,1,4]
le = LabelEncoder()
le.fit(l)
le.transform(l)
# array([0, 1, 2, 0, 1], dtype=int64)
le.transform([1,6,4])
# array([0, 2, 1], dtype=int64)

这里我们得到了正确的编码。但是，如果我们应用一个

pd.factorize

，显然熊猫无法猜测哪些是正确的编码：

pd.factorize(l)[0]
# array([0, 1, 2, 0, 1], dtype=int64)
pd.factorize([1,6,4])[0]
# array([0, 1, 2], dtype=int64)

---

嗨，亚图！非常感谢您的快速回答。现在我想起来，这很有道理——这是一个明显的错误。接下来的问题是：一般来说，使用LabelEncoder比factorize有什么优势吗？如果我在分割数据之前进行因子分解，它似乎也能工作。从您所写的内容来看，即使在我分割数据之后，标签编码器还能工作吗？我是否要从第一步开始重新应用le？如果测试数据中有任何新的类别，是否会给它们额外的编号？再次感谢你的帮助！LabelEncoder与大多数ScikitLearn编码器一样，具有拟合/变换方法的优点。因此，您可以确保在测试集和任何新数据上应用相同的转换。这是标准程序，以ML@FrankaAs表示，每个看不见的标签，这是非常罕见的，因为通常测试集为10/20%。我认为它不能处理它，不像OneHotEncoder。如果@franka出现问题，您可以确保列车组中有所有标签

pd.factorize(l)[0]
# array([0, 1, 2, 0, 1], dtype=int64)
pd.factorize([1,6,4])[0]
# array([0, 1, 2], dtype=int64)