使用OneHotEncoder处理分类特征用于逻辑回归时的报错解决求助

OneHotEncoder默认输出稀疏矩阵，ColumnTransformer在包含输出稀疏矩阵的转换器时，整体返回结果也为稀疏矩阵格式。你直接用np.array()包裹稀疏矩阵时，不会将其转换为常规数值数组，而是会把整个稀疏矩阵对象作为object类型存入数组，因此出现你看到的错误输出。

方案1：输出常规稠密数组（适合小数据量场景） #

直接修改OneHotEncoder参数，令其直接输出稠密数组即可，无需额外转换：

• sklearn 1.2及以上版本使用sparse_output参数：

from sklearn.compose import ColumnTransformer
from sklearn.preprocessing import OneHotEncoder
import numpy as np

ct = ColumnTransformer(transformers=[('encoder', OneHotEncoder(sparse_output=False), [0])], 
remainder='passthrough')
X = ct.fit_transform(X)

• 旧版本sklearn使用sparse参数：

OneHotEncoder(sparse=False)

方案2：保留稀疏矩阵（推荐） #

sklearn的逻辑回归LogisticRegression原生支持稀疏矩阵作为输入，保留稀疏矩阵可以大幅节省内存，你只需要去掉np.array()的包裹即可：

from sklearn.compose import ColumnTransformer
from sklearn.preprocessing import OneHotEncoder

ct = ColumnTransformer(transformers=[('encoder', OneHotEncoder(), [0])], 
remainder='passthrough')
X = ct.fit_transform(X)

如果后续确实需要将稀疏矩阵转为常规数组，可以调用toarray()方法：

X = ct.fit_transform(X).toarray()

内容的提问来源于stack exchange，提问作者Aru