基于Kaggle银行数据集的SVM预测模型出现KeyError:'male'求解

问题描述 #

正在使用Python编写基于SVM的预测代码，采用Kaggle银行数据集，代码在第4行报错。

出错代码 #

encoded_data = [0] * len(data_to_predict)
for i in range(len(data_to_predict)):
  if i == 0:
    encoded_data[i] = gen[data_to_predict[i]]
  elif i==1:
    encoded_data[i] = m[data_to_predict[i]]
  elif i==2:
    encoded_data[i] = ed[data_to_predict[i]]
  elif i==3:
     encoded_data[i] = s_emp[data_to_predict[i]]
  elif i==4:
     encoded_data[i] = d[data_to_predict[i]]
  elif i==10:
    encoded_data[i] = a[data_to_predict[i]]
  else:
    encoded_data[i] = s.fit_transform(np.array(encoded_data[i]).reshape(-1,1))

报错信息 #

KeyError                                  Traceback (most recent call last)
<ipython-input-68-e2388fb9ed49> in <module>
      2 for i in range(len(data_to_predict)):
      3   if i == 0:
----> 4     encoded_data[i] = gen[data_to_predict[i]]
      5   elif i==1:
      6     encoded_data[i] = m[data_to_predict[i]]

KeyError: 'male'

报错原因 #

1. 字典gen中不存在'male'这个键，说明训练时生成gen的映射标签和当前预测输入的性别值不匹配：
   • 比如训练数据里性别标签是'Male'（首字母大写），但预测输入是小写的'male'；或者gen字典的键根本没包含'male'这个取值。
2. else分支逻辑错误：
   • 初始encoded_data[i]是0，用s.fit_transform转换这个0完全不符合特征编码逻辑，应该转换的是data_to_predict[i]；且预测阶段不能用fit_transform（会重新拟合编码器，导致编码和训练时不一致），必须用transform。

解决方案 #

• 修正gen字典的映射匹配问题：
  • 方法一：统一输入值的格式，比如把预测输入的性别转成和训练标签一致的大小写：encoded_data[i] = gen[data_to_predict[i].capitalize()]（如果训练标签是首字母大写）。
  • 方法二：重新生成gen字典，确保包含'male'这个键，比如gen = {'male':0, 'female':1}（和输入值完全匹配）。
• 修复else分支的编码逻辑：

  else:
      # 转换目标是data_to_predict[i]，用训练好的编码器的transform方法
      encoded_data[i] = s.transform(np.array([data_to_predict[i]]).reshape(-1,1))[0][0]
  

• 建议使用sklearn标准编码器替代手动字典映射，避免出错：
  • 训练时对每个分类特征拟合编码器并保存：

    from sklearn.preprocessing import LabelEncoder
    # 训练阶段处理性别特征
    gen_le = LabelEncoder()
    gen_le.fit(train_data['gender_column'])
    

  • 预测时调用对应编码器的transform方法：

    encoded_data[0] = gen_le.transform([data_to_predict[0]])[0]
    

内容的提问来源于stack exchange，提问作者era 044