sklearn OneHotEncoder输出异常 1D标签独热编码结果不符该如何修复

你调用fit_transform时传入的数组维度错误：
OneHotEncoder要求输入为*(样本数, 特征数)*格式的二维数组，你使用y_train.reshape(1,-1)会把所有标签拼接为1行、长度等于样本总数的数组，编码器会将每个位置识别为独立类别，最终输出1行多列的稀疏矩阵，完全不符合预期。

调整reshape参数，将标签转换为*(样本数, 1)*格式的二维数组，同时根据需求选择输出格式：

• 如果你使用scikit-learn 1.2及以上版本，直接在初始化编码器时指定sparse_output=False，即可直接得到你要的二维数组格式：

from sklearn.preprocessing import OneHotEncoder

enc = OneHotEncoder(sparse_output=False)
# 核心改动：reshape(-1,1) 让每个标签单独占一行
y_train_onehot = enc.fit_transform(y_train.reshape(-1, 1))

• 如果你使用旧版本scikit-learn，或者需要保留稀疏矩阵后续处理，可以调用toarray()方法转换格式：

from sklearn.preprocessing import OneHotEncoder

enc = OneHotEncoder()
y_train_onehot = enc.fit_transform(y_train.reshape(-1, 1)).toarray()

默认情况下编码器会按数值升序排列类别，也就是-1对应第一列、0对应第二列、1对应第三列，输出格式和你预期完全一致：

[[0. 1. 0.]
 [0. 1. 0.]
 [0. 1. 0.]
 [1. 0. 0.]
 [0. 0. 1.]
 ...]

如果需要自定义类别顺序，可在初始化OneHotEncoder时传入categories参数指定，例如OneHotEncoder(categories=[[0, -1, 1]], sparse_output=False)即可调整列的顺序。

内容的提问来源于stack exchange，提问作者George