Главная

Инициализируйте OneHotEncoder так, чтобы неизвестные значения были проигнорированы и первый столбец с новым признаком был удалён.

Затем удалите преобразованные признаки из тренировочной и тестовой выборок.

Обратите внимание: чтобы решить эту задачу, нужно использовать инструменты, доступные в более новых версиях sklearn. Код ниже будет выполнен в среде с обновлённой версией библиотеки. Поэтому вместо get_feature_names() применяется команда get_feature_names_out().

# импортируем библиотеки и объявляем константы
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import OneHotEncoder

RANDOM_STATE = 42
TEST_SIZE = 0.25

# считываем данные из CSV-файла
df_full = pd.read_csv('railway_full.csv')

# делим данные на входные и целевые
X = df_full.drop(['Удовлетворён предоставленной услугой'], axis=1)
y = df_full['Удовлетворён предоставленной услугой']

# делим данные на тренировочные и тестовые
X_train, X_test, y_train, y_test = train_test_split(
    X,
    y,
    test_size=TEST_SIZE,
    random_state=RANDOM_STATE,
    stratify=y)

# создаём список со строковыми категориями для кодирования
cols_ohe = [
    'Пол', 'Путешествует с детьми', 'Путешествует по работе',
    'Тип', 'Оценка качества питания'
]

# создайте экземпляр класса OneHotEncoder для кодирования
# игнорируйте неизвестные категории
oh_encoder = OneHotEncoder(drop='first', handle_unknown='ignore', sparse=False)

# обучаем OneHotEncoder на категориальных признаках из тренировочной выборки
oh_encoder.fit(X_train[cols_ohe])

# сохраняем в переменной encoder_col_names список названий новых столбцов
encoder_col_names = oh_encoder.get_feature_names_out()

# преобразовываем категориальные переменные в тренировочной и тестовой выборках
X_train[encoder_col_names] = oh_encoder.transform(X_train[cols_ohe])
X_test[encoder_col_names] = oh_encoder.transform(X_test[cols_ohe])

# удалите преобразованные признаки
X_train = X_train.drop(cols_ohe, axis=1)
X_test = X_test.drop(cols_ohe, axis=1)

# выводим первые пять строк
print(X_train.head())