使用LabelEncoder构建二手车价格预测ML Pipeline时遇参数错误

错误原因 #

LabelEncoder是为**目标变量（y）**设计的编码工具，仅支持一维输入，且其fit_transform方法仅接受最多2个参数。而ColumnTransformer在处理多列特征时，会将每个类别特征以二维数组形式传入转换器，同时调用fit_transform时会传递3个参数（特征矩阵、目标变量、样本权重），这直接导致参数不匹配报错：LabelEncoder.fit_transform() takes 2 positional arguments but 3 were given。

解决方案 #

用OrdinalEncoder替代LabelEncoder——它专门用于特征中的类别变量编码，支持二维数组输入，完美适配ColumnTransformer的调用逻辑。如果需要避免模型误判类别顺序，也可以选择OneHotEncoder（按需选择）。

修正后的完整代码 #

from sklearn.preprocessing import StandardScaler, OrdinalEncoder
from sklearn.pipeline import Pipeline
from sklearn.compose import ColumnTransformer
import joblib
import lightgbm as lgb

# 特征列表（假设已确认）
numeric_features = ['car_year', 'km', 'horse_power', 'cyl_capacity']
categorical_features = ['make', 'model', 'trimlevel', 'fueltype', 'transmission', 'bodytype', 'color']

# 数值特征预处理流水线
numeric_transformer = Pipeline(steps=[('scaler', StandardScaler())])

# 类别特征预处理流水线：替换LabelEncoder为OrdinalEncoder，处理未知类别
categorical_transformer = Pipeline(steps=[
    ('ordinal_encoder', OrdinalEncoder(handle_unknown='use_encoded_value', unknown_value=-1))
])

# 组合两类特征的预处理逻辑
preprocessor = ColumnTransformer(
    transformers=[
        ('num', numeric_transformer, numeric_features),
        ('cat', categorical_transformer, categorical_features)
    ]
)

# 整合预处理与LightGBM模型的完整流水线
pipeline = Pipeline(steps=[
    ('preprocessor', preprocessor),
    ('model', best_lgb_model)
])

# 训练流水线
pipeline.fit(X_train, y_train)

# 保存模型，用于后续HTML页面集成
joblib.dump(pipeline, 'used_car_price_pipeline.pkl')

额外说明 #

• OrdinalEncoder的handle_unknown参数设置是为了避免实际使用时遇到训练集中未出现的类别导致报错，确保模型鲁棒性。
• 若不需要类别间的顺序关系，可将OrdinalEncoder替换为OneHotEncoder(sparse_output=False)，但会增加特征维度，需根据模型性能权衡。

内容的提问来源于stack exchange，提问作者alexquilis1