Sklearn Pipeline适配问题：多列编码与目标变量缩放实现

报错原因拆解 #

• LabelEncoder无法处理多列：Sklearn的LabelEncoder仅支持单列数据编码，直接作用于多列特征会触发维度不匹配错误，特征多列编码应使用OrdinalEncoder（Sklearn官方推荐用于特征的类别编码工具）。
• 无法定位'Total'：大概率是混淆了特征集X与目标变量y的边界——要么误将Total列留在X中，要么错误地让Pipeline从特征集里读取目标列。

实现步骤与代码 #

核心思路 #

1. 用ColumnTransformer对特征X做分栏处理：仅对State、City、Trade列做类别编码，Year列保留原始数值。
2. 用TransformedTargetRegressor包裹回归模型，实现对目标变量y的MinMaxScaler缩放（避免单独处理y导致的流程割裂）。
3. 把特征处理流程与回归模型整合成完整Pipeline。

完整代码示例 #

import pandas as pd
from sklearn.compose import ColumnTransformer
from sklearn.preprocessing import OrdinalEncoder, MinMaxScaler
from sklearn.linear_model import LinearRegression
from sklearn.pipeline import Pipeline
from sklearn.compose import TransformedTargetRegressor

# 假设你的数据已加载为df
# X = df[['State', 'City', 'Trade', 'Year']]
# y = df['Total']

# 1. 定义特征预处理流程
categorical_cols = ['State', 'City', 'Trade']
numeric_cols = ['Year']

preprocessor = ColumnTransformer(
    transformers=[
        ('cat', OrdinalEncoder(), categorical_cols),  # 对类别列做编码
        ('num', 'passthrough', numeric_cols)  # 数值列直接保留
    ])

# 2. 构建特征处理+回归的Pipeline
regressor_pipeline = Pipeline(steps=[
    ('preprocessor', preprocessor),
    ('regressor', LinearRegression())
])

# 3. 结合目标变量缩放
model = TransformedTargetRegressor(
    regressor=regressor_pipeline,
    transformer=MinMaxScaler()
)

# 训练模型
model.fit(X, y)

# 预测
y_pred = model.predict(X)

关键说明 #

• 为什么用OrdinalEncoder而非LabelEncoder？
  LabelEncoder设计用于目标变量的单列编码，而OrdinalEncoder支持多列特征的类别编码，完全适配你的需求，且符合Sklearn的API规范。如果坚持要用LabelEncoder，可以给每列单独构建子Pipeline，但这会增加不必要的复杂度，不推荐。
• TransformedTargetRegressor的作用？
  它能自动完成目标变量的缩放→模型训练→预测结果逆缩放的全流程，避免手动处理y导致的数据泄露或流程混乱。
• 如何验证流程正确性？
  可以用model.regressor_.named_steps['preprocessor'].transform(X)查看特征处理后的输出，确认类别列已编码、数值列保留正常。

内容的提问来源于stack exchange，提问作者FalloutATS21