如何构建Y_train预处理Pipeline？LabelEncoder调用报错问题

错误原因分析 #

1. 数据维度不匹配：你用df[['income']]得到的是二维DataFrame，但LabelEncoder仅支持一维输入（如Series）。
2. Pipeline参数传递冲突：Pipeline的fit()方法会自动向步骤中的转换器传递两个参数（X和y），但LabelEncoder的fit()仅接受1个参数（目标变量本身），导致参数数量不匹配报错。
3. ColumnTransformer用途错误：ColumnTransformer是专门用于处理特征矩阵X的列转换工具，不适合用来处理目标变量y。

正确处理方案 #

方案1：直接用LabelEncoder处理一维目标变量 #

最简洁的方式，直接将y转为一维Series后处理：

X = df.drop('income', axis=1)
# 用df['income']获取一维Series，而非二维DataFrame
y = df['income']

le = LabelEncoder()
# 拟合并转换目标变量
y_encoded = le.fit_transform(y)

方案2：自定义Transformer适配Pipeline #

如果必须用Pipeline封装目标变量处理逻辑，需要自定义一个符合Scikit-learn Transformer API的类，适配LabelEncoder：

from sklearn.base import BaseEstimator, TransformerMixin
from sklearn.preprocessing import LabelEncoder
from sklearn.pipeline import Pipeline

class LabelEncoderTransformer(BaseEstimator, TransformerMixin):
    def __init__(self):
        self.le = LabelEncoder()
    
    def fit(self, X, y=None):
        # X为目标变量，直接拟合
        self.le.fit(X)
        return self
    
    def transform(self, X, y=None):
        # 将转换结果转为二维数组，适配后续Pipeline输出格式
        return self.le.transform(X).reshape(-1, 1)

# 构建目标变量处理Pipeline
y_preprocessing = Pipeline([
    ("labelencoder", LabelEncoderTransformer())
])

# 支持一维Series或二维DataFrame输入
y = df['income']  # 或 df[['income']]
y_encoded = y_preprocessing.fit_transform(y)

方案3：结合TransformedTargetRegressor实现全流程Pipeline #

如果需要在完整建模流程中同时处理特征X和目标y，可以用TransformedTargetRegressor将目标转换与模型绑定：

from sklearn.pipeline import Pipeline
from sklearn.preprocessing import LabelEncoder, OneHotEncoder
from sklearn.linear_model import LogisticRegression
from sklearn.compose import ColumnTransformer, TransformedTargetRegressor

# 定义特征处理Pipeline（示例：对类别特征做独热编码）
categorical_features = ['workclass', 'education']  # 假设X中的类别特征
X_preprocessing = ColumnTransformer([
    ('cat', OneHotEncoder(), categorical_features)
], remainder='passthrough')

# 构建包含目标转换的全流程Pipeline
full_pipeline = Pipeline([
    ('preprocess_X', X_preprocessing),
    ('model', TransformedTargetRegressor(
        regressor=LogisticRegression(max_iter=1000),
        transformer=LabelEncoder(),
        check_inverse=False
    ))
])

# 训练模型
full_pipeline.fit(X, y)

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