如何对序数编码和标签编码特征做逆变换？解决逆变换报错问题

核心问题 #

你犯了两个关键错误：

• 重复使用同一个label_encoder/ordinal_encoder实例处理多个特征，拟合新特征时会覆盖之前的类别映射关系，导致逆变换时编码器识别不出正确的标签。
• 逆变换时没有区分特征对应的编码类型，用错了编码器。

解决步骤 #

1. 为每个特征创建独立的编码器实例

每个特征（不管是标签编码还是序数编码）都要用单独的编码器，确保各自的映射关系不被覆盖。

修正后的编码代码：

from sklearn.preprocessing import LabelEncoder, OrdinalEncoder

# 为每个标签编码特征创建独立的LabelEncoder实例
le_main_flavor = LabelEncoder()
le_secondary_flavor = LabelEncoder()
# 为每个序数编码特征创建独立的OrdinalEncoder实例
oe_ranking = OrdinalEncoder()
oe_age_category = OrdinalEncoder()

# 分别拟合并转换对应特征
combined_data['main_flavor_encoded'] = le_main_flavor.fit_transform(combined_data['main_flavor'])
combined_data['secondary_flavor_encoded'] = le_secondary_flavor.fit_transform(combined_data['secondary_flavor'])
combined_data['ranking_encoded'] = oe_ranking.fit_transform(combined_data[['ranking']])
combined_data['age_category_encoded'] = oe_age_category.fit_transform(combined_data[['age_category']])

2. 逆变换时匹配对应编码器

针对不同特征的编码类型，使用对应的编码器进行逆变换。标签编码特征用对应的LabelEncoder实例，序数编码特征用对应的OrdinalEncoder实例。

修正后的逆变换代码示例：

import numpy as np

predictions = model.predict(possible_combinations[features])

# 获取最优组合的索引
best_idx = np.argmin(predictions)

# 标签编码特征逆变换（以flavor_type_encoded为例）
best_flavor_type_encoded = possible_combinations.loc[best_idx, 'flavor_type_encoded']
best_flavor_type = le_secondary_flavor.inverse_transform([best_flavor_type_encoded])[0]

# 序数编码特征逆变换（以ranking_encoded为例）
best_ranking_encoded = possible_combinations.loc[best_idx, 'ranking_encoded']
# 注意OrdinalEncoder的inverse_transform需要二维数组输入
best_ranking = oe_ranking.inverse_transform([[best_ranking_encoded]])[0][0]

3. 额外注意事项

• 确保possible_combinations中的编码值，都在对应编码器拟合时的类别范围内，避免出现“未见过的标签”错误。
• 如果需要长期保存编码器（比如训练后部署），可以用joblib或pickle序列化存储，后续加载后直接使用。

内容的提问来源于stack exchange，提问作者Lutema