我有一个移动价格分类数据集，其中有20个功能和一个名为price_range的目标变量。我需要将移动价格分类为低，中，高，非常高。我已经将一键编码应用于目标变量。之后，我将数据拆分为trainX，testX，trainy，testy。因此，trainX和trainy的形状分别为（1600,20）和（1600,4）。现在，当我尝试将trainX调整为logisticRegresion时，也就是-> lr.fit（trainX，trainy）时，我得到一个错误，它说：输入错误（1600,4）所以，我明白我必须给予训练值形状（1600,1），但是通过一种热编码，按照一种热编码的概念，对于每个单独的price_range，我都有4列的数组。
所以现在我完全感到困惑，人们在实践中如何使用一种热编码作为目标变量？请帮帮我。
要训练模型，应仅对特征应用OneHotEncoder以获得X。并应用LabelEncoder（）转换y。
from sklearn import preprocessing
le=preprocessing.LabelEncoder()
le.fit_transform(['a','b','a'])
并获得：
output: array([0, 1, 0])
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句