Python中分类模型自变量为分类变量时如何传入测试数据预测

你现有代码存在两个会直接导致预测失效甚至运行报错的问题，需要先修正再做预测：

• 所有特征列复用同一个LabelEncoder实例反复调用fit_transform，每次fit都会覆盖之前的编码映射，最终编码器只保留了最后一列windy的编码规则，其余三列的映射关系完全丢失，无法用来转换新样本
• 标签列play是yes/no的字符串分类值，未做编码直接输入模型，且选择的LinearRegression是回归模型，不适合当前二分类任务，输出结果无法直接对应分类标签

第一步：修正训练阶段代码 #

给每个特征列、标签列单独初始化独立的编码器，保存训练时拟合好的编码映射，同时替换为适配分类任务的模型：

import pandas as pd
import numpy as np
from sklearn import preprocessing, model_selection
from sklearn.linear_model import LogisticRegression

w = pd.read_csv("/content/drive/MyDrive/weather.csv")

# 按顺序定义特征列名
feature_cols = ['outlook', 'temperature', 'humidity', 'windy']
# 用字典存储每个特征列对应的训练好的编码器
feature_encoders = {}

for col in feature_cols:
    enc = preprocessing.LabelEncoder()
    w[col] = enc.fit_transform(w[col])
    feature_encoders[col] = enc

# 单独给标签列训练编码器，方便后续把预测结果转回原始文本标签
target_encoder = preprocessing.LabelEncoder()
w['play'] = target_encoder.fit_transform(w['play'])

x = w[feature_cols].values
y = w['play'].values
X_train, X_test, Y_train, Y_test = model_selection.train_test_split(
    x, y, test_size=0.1, random_state=42
)

# 分类任务替换为逻辑回归模型
model = LogisticRegression()
model.fit(X_train, Y_train)

第二步：转换单条样本并预测 #

针对形如[sunny, hot, high, false]的单条样本，严格按照训练时的特征顺序，复用之前保存的编码器做转换，绝对不能在预测阶段重新调用fit类方法，否则编码映射会和训练时不一致，导致预测结果完全无效：

# 原始单条样本，顺序必须和feature_cols一一对应
raw_single_sample = ['sunny', 'hot', 'high', 'false']

# 逐列用对应编码器转换原始值
encoded_sample = []
for col, raw_val in zip(feature_cols, raw_single_sample):
    # 注意：这里只能调用transform，不能用fit_transform
    encoded_val = feature_encoders[col].transform([raw_val])[0]
    encoded_sample.append(encoded_val)

# 转成模型要求的二维输入格式（单样本形状必须为(1, 特征数)）
input_data = np.array(encoded_sample).reshape(1, -1)

# 得到数值型预测结果
pred_num = model.predict(input_data)
# 转回原始的yes/no分类标签
pred_result = target_encoder.inverse_transform(pred_num)[0]

print(pred_result)

补充说明：对于outlook这类没有大小顺序的无序分类特征，更推荐使用OneHotEncoder做独热编码，避免LabelEncoder给类别强加的数值顺序（比如sunny=2、overcast=0、rainy=1会让模型默认类别间存在数值大小关系）干扰模型效果。

内容的提问来源于stack exchange，提问作者CR28哦不对，是CR28，改下最后一行：
内容的提问来源于stack exchange，提问作者CR28