SKLearn自定义OneHotEncoder已调用fit后transform仍提示未拟合如何解决？

问题根因 #

报错的核心问题出在transform方法的实现上：

• 你写的OneHotEncoder().transform(X)是每次调用transform时都重新创建了一个全新的、未经过拟合的OneHotEncoder实例，这个新实例自然会抛出未拟合错误。
• 你之前在fit方法中完成拟合的是当前CustomOneHotEncoder的实例本身（也就是self对象，它继承自OneHotEncoder，已经存储了所有拟合得到的类别信息），但你在transform时完全没有用到这个已拟合的实例。

修复方案 #

直接修改transform方法的调用逻辑，调用当前已拟合实例的父类transform方法即可，修改后的代码如下：

import numpy as np
import pandas as pd
from sklearn.preprocessing import OneHotEncoder

class CustomOneHotEncoder(OneHotEncoder):
    """
    OneHot Encoding
    ----------
    """
    # todo: max_num_categories 作为参数
    def __init__(self, categories='auto', drop=None, sparse_output=True, dtype=np.int32, handle_unknown='error'):
        # 注意：sklearn 1.2及以上版本稀疏输出参数名从sparse改为sparse_output，如果你用的是旧版本可以改回sparse
        super().__init__(
            categories=categories,
            drop=drop,
            sparse_output=sparse_output,
            dtype=dtype,
            handle_unknown=handle_unknown
        )

    # 如果你没有额外的fit逻辑，这个fit方法可以直接省略，父类的实现已经满足要求
    def fit(self, X, y=None):
        super().fit(X, y=y)
        return self

    def transform(self, X):
        """
        :type X: DataFrame
        """
        try:
            # 调用父类的transform方法，使用当前已拟合的实例参数
            ret = super().transform(X).toarray()
            return ret
        except Exception as e:
            # 建议保留原始错误信息方便调试，不要直接吞掉原始异常
            raise Exception(f"Internal Error: {str(e)}") from e

额外说明 #

• 如果你的自定义转换器没有额外的业务逻辑，其实不需要重写fit和__init__方法，直接复用父类的实现即可，只需要保留你要自定义的transform逻辑就行。
• 原代码中异常捕获会吞掉原始报错信息，不利于问题排查，建议修改为带上原始异常的形式。

内容的提问来源于stack exchange，提问作者gilgamash