我使用 Sklearn 和 pandas 作为主要工具构建了一个机器学习分类器。现在，模型的输入特征之一是国家（字母国家代码，如美国）。我已经使用该pd.get_dummies函数拟合了一个模型。
现在我想对数据进行推断，但在过去的几个月里，有几个国家没有出现在我的数据集中，因此该pd.get_dummies函数与拟合模型不一致。
这个怎么处理？
在推理时创建虚拟变量以匹配拟合模型
数据挖掘
scikit-学习
熊猫
2021-09-23 14:56:16
1个回答
我认为这个问题的答案将解决您的问题。
import pandas as pd
train = pd.DataFrame(data = [['a', 123, 'ab'], ['b', 234, 'bc']],
columns=['col1', 'col2', 'col3'])
test = pd.DataFrame(data = [['c', 345, 'ab'], ['b', 456, 'ab']],
columns=['col1', 'col2', 'col3'])
train_objs_num = len(train)
dataset = pd.concat(objs=[train, test], axis=0)
dataset_preprocessed = pd.get_dummies(dataset)
train_preprocessed = dataset_preprocessed[:train_objs_num]
test_preprocessed = dataset_preprocessed[train_objs_num:]
如果这没有帮助，一个简单的解决方案是为缺少新数据集的每个国家添加全为零的列。这将为您提供分类器所期望的正确数据形状。
其它你可能感兴趣的问题