如何用category_encoders编码无目标列的未知测试数据集？

核心原因 #

你初始化ce.TargetEncoder时，把train的**全部33列（包含目标列Target_column）**都设为了需要编码的列，但test.csv没有目标列，编码器转换时找不到对应列，直接触发了列数不匹配的错误。

修正步骤 #

1. 先把训练集的特征列和目标列分开，只针对特征列做编码处理
2. 用筛选后的特征列初始化编码器，重新拟合训练数据
3. 再用这个编码器转换测试集，就能正常运行

修正后的代码：

import category_encoders as ce
import numpy as np

# 提取训练集目标列
target_train = train['Target_column']
# 筛选出所有特征列（排除目标列）
feature_cols = [col for col in train.columns if col != 'Target_column']

# 仅对特征列初始化目标编码器
encoder = ce.TargetEncoder(cols=feature_cols)
# 拟合训练特征与目标值
Tar_encoded_train = encoder.fit_transform(train[feature_cols], target_train)

# 正常转换测试集
X_unseen = encoder.transform(test)

额外提醒 #

目标列是用来监督编码过程的，本身不需要被编码器处理，绝对不能把它加入cols参数里。如果训练集里还有其他不需要编码的列，也可以在feature_cols里进一步筛选，只保留需要做目标编码的类别特征。

内容的提问来源于stack exchange，提问作者nldw0