sklearn OrdinalEncoder拟合时报未知类别ValueError解决方案

报错核心是OrdinalEncoder的categories参数配置和实际数据完全不匹配：

• 你初始化编码器时传入categories=[['A','B'],['Low','High']]，相当于告诉编码器：待编码的第一列（光照列A）仅存在'A'、'B'两个合法取值，第二列（浇水列B）仅存在'Low'、'High'两个合法取值。
• 但实际生成的exp_df里，A列存储的取值是'On'和'Off'，根本不在预设的类别列表中，拟合阶段编码器识别到未登记的类别，直接抛出ValueError。
  另外代码中定义的OHE_model = OneHotEncoder(handle_unknown = 'ignore')全程没有被调用，属于冗余代码。

只需要把OrdinalEncoder的类别配置改成和实际列取值一一对应即可，修正后可正常运行的完整代码如下：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
import statsmodels
from sklearn.preprocessing import OrdinalEncoder,OneHotEncoder

Light = ['On','Off']
Watering = ['Low','High']
# 生成全参数组合实验数据
experiments = [(x,y) for x in Light for y in Watering]
exp_df = pd.DataFrame(experiments,columns=['A','B'])
print(exp_df)

# 修正：类别列表和列取值对应，第一列匹配Light取值，第二列匹配Watering取值
enc = OrdinalEncoder(categories=[Light, Watering])

encoded_df = pd.DataFrame(enc.fit_transform(exp_df[['A','B']]),columns=['A','B'])
# 随机生成实验顺序
encoded_df['exp_order'] = np.random.choice(np.arange(4),4,replace=False)
encoded_df['outcome'] = [25,37,55,65]
print(encoded_df)

运行后不会再抛出类别未知错误，编码结果会按照你预设的['On','Off']、['Low','High']顺序映射为0、1数值。

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