使用sklearn.TargetEncoder处理价格预测时遇类型错误及维度问题求助

问题背景 #

我手头有一个包含21列的产品数据集，其中manufacturer是包含30+类别的分类特征，目标变量是连续型的price（价格）。因为用OneHotEncoding会触发维度诅咒，所以选择用TargetEncoder对该特征编码，但运行代码时遇到了一系列错误：

原代码片段 #

f = data['manufacturer'].to_numpy().reshape(-1, 1)
g = data['price'].to_list()
enc_auto = TargetEncoder(smooth="auto")
f_trans = enc_auto.fit_transform(f, g)

首次报错 #

ValueError: Target type was inferred to be 'multiclass'. Only ('binary', 'continuous') are supported.

后续尝试操作引发的错误：

• 转置特征替代reshape：

Reshape your data either using array.reshape(-1, 1) if your data has a single feature or array.reshape(1, -1) if it contains a single sample.

• 使用reshape(1, -1)：

ValueError: Found input variables with inconsistent numbers of samples: [1, 675413]

• 分开执行fit和transform，仍出现类似错误。

错误原因及解决办法 #

1. 目标变量类型识别错误（核心问题） #

报错里说目标被识别成了多分类类型，但price是连续数值，问题出在你把目标变量转成了列表（to_list()），TargetEncoder无法正确识别这种格式的连续型数据。

解决：直接传入Pandas Series或Numpy数组格式的目标变量，不要转成列表。

2. 特征维度处理错误 #

manufacturer是单特征，用reshape(-1,1)是完全正确的操作——它把一维数组转成了(n_samples, 1)的二维格式，符合编码器对输入特征的要求。转置或者用reshape(1,-1)会把特征变成(1, n_samples)的形状，相当于1个样本对应675413个特征，和目标变量的675413个样本完全不匹配，必然报错。

修正后的完整代码 #

# 特征处理保持正确的reshape方式
f = data['manufacturer'].to_numpy().reshape(-1, 1)
# 直接传入原Series或转为numpy数组，不转列表
g = data['price']  # 或者 g = data['price'].to_numpy()
enc_auto = TargetEncoder(smooth="auto")
f_trans = enc_auto.fit_transform(f, g)

额外检查项 #

• 确认price列的数据类型是数值型（int或float），如果是字符串格式，先做类型转换：

  data['price'] = pd.to_numeric(data['price'], errors='coerce')
  # 记得处理转换后产生的缺失值，比如用中位数填充
  data['price'] = data['price'].fillna(data['price'].median())
  

• 如果你用的是category_encoders库的TargetEncoder，建议更新到最新版本，旧版本对目标类型的判断逻辑可能存在问题。

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