摘要:
Sklearn的LabelEncoder将不同的值编码为相同的值。 encoder.fit(data)和data_encoded = encoder.transform(data)可以正确完成,但是当我在转换后立即执行encoder.inverse_transform(data_encoded)时,它会引发错误:
ValueError:y包含以前看不见的标签:[19297]
我想做的事:
我有一些大数据(将近1.5 GB),并且还会有更多数据。为了完成机器学习任务,我需要对数据进行标签编码,但是我不能在本地笔记本电脑上进行编码,因为编码器必须查看整个数据才能正确编码,但是数据处理起来有些大。
我做了什么:
因此,我将全部数据加载到Google Colab中,对其进行了编码,然后将编码器保存为pickle。然后,在我的本地PC中,我获取了新来的数据(要小得多),将编码器装回,更新了encoder.classes_(请参见代码第1部分)
然后转换新来者数据。然后尝试立即对它进行逆变换,以确保正确完成。但是它提出了一个错误。 (请参阅第2部分)
然后,我检查了值19297并使用data.loc查看其索引。得到索引并检查原始数据,并意识到编码器将不同的值编码为相同的值(不同的值-> 19297)。任何人都可以帮助解决这个问题吗?坦克很多。
第1部分:
with open("data/encoders/item_id_encoder.pkl", 'rb') as file:
item_encoder = pickle.load(file)
with open("data/encoders/store_id_encoder.pkl", 'rb') as file:
store_encoder = pickle.load(file)
with open("data/encoders/week_encoder.pkl", 'rb') as file:
week_encoder = pickle.load(file)
item_classes = set(item_encoder.classes_)
store_classes = set(store_encoder.classes_)
week_classes = set(week_encoder.classes_)
bar.start()
for row in data.itertuples():
if row.item_id not in item_classes:
item_classes.add(row.item_id)
item_encoder.classes_ = np.append(item_encoder.classes_, row.item_id)
if row.store_id not in store_classes:
store_classes.add(row.store_id)
store_encoder.classes_ = np.append(store_encoder.classes_, row.store_id)
if row.week not in week_classes:
week_classes.add(row.week)
week_encoder.classes_ = np.append(week_encoder.classes_, row.week)
bar.update(row.Index)
bar.finish()
第2部分:
store_ids = store_encoder.transform(data.store_id)
item_ids = item_encoder.transform(data.item_id)
weeks = week_encoder.transform(data.week)
# this raises error
item_encoder.inverse_transform(item_ids)
参考方案
好吧,我已经实现了具有更新功能的标签编码器。您可以:
安装数据编码器以启动编码器。编码器将被保存为pickle文件。
使用新手数据更新编码器
转换和逆转换数据
参见:https://github.com/emremrah/Lencoder
Python sqlite3数据库已锁定 - python
我在Windows上使用Python 3和sqlite3。我正在开发一个使用数据库存储联系人的小型应用程序。我注意到,如果应用程序被强制关闭(通过错误或通过任务管理器结束),则会收到sqlite3错误(sqlite3.OperationalError:数据库已锁定)。我想这是因为在应用程序关闭之前,我没有正确关闭数据库连接。我已经试过了: connectio…Python-Excel导出 - python
我有以下代码:import pandas as pd import requests from bs4 import BeautifulSoup res = requests.get("https://www.bankier.pl/gielda/notowania/akcje") soup = BeautifulSoup(res.cont…Python:传递记录器是个好主意吗? - python
我的Web服务器的API日志如下:started started succeeded failed 那是同时收到的两个请求。很难说哪一个成功或失败。为了彼此分离请求,我为每个请求创建了一个随机数,并将其用作记录器的名称logger = logging.getLogger(random_number) 日志变成[111] started [222] start…Python pytz时区函数返回的时区为9分钟 - python
由于某些原因,我无法从以下代码中找出原因:>>> from pytz import timezone >>> timezone('America/Chicago') 我得到:
我的正则表达式:vendor = "MyNameIsJoe. I'mWorkerInAAAinc." ven = re.split(r'(?<=[a-z])[A-Z]|[A-Z](?=[a-z])', vendor) 以大写字母分割字符串,例如:'我的名字是乔。 I'mWorkerInAAAinc”变成…