...
Eroare Machine Learning · Etichete, clasificare și metrici

TypeError: LabelEncoder.fit_transform() takes 2 positional arguments but 3 were given

Pe scurt

Ai pus LabelEncoder într-un Pipeline sau ColumnTransformer. Acolo fiecare pas primește fit_transform(X, y), dar LabelEncoder acceptă un singur argument, pentru că e făcut doar pentru ținta y. Pentru coloanele din X folosește OneHotEncoder sau OrdinalEncoder.

Explicat de Tudor Andrei Dumitrescu, Senior Software Developer, fondatorul Academiei ProgramatorilorActualizat la

Ce înseamnă

Pipeline-ul apelează pentru fiecare pas intermediar pas.fit_transform(X, y), adică două argumente, plus self, deci trei. LabelEncoder.fit_transform(y) acceptă doar self și y, două. De aici mesajul: metoda primește 2 argumente poziționale, dar i s-au dat 3.

Mesajul nu înseamnă că ai scris tu greșit apelul: îl face Pipeline-ul sau ColumnTransformer-ul, iar eroarea apare la fit. Motivul de fond este că LabelEncoder lucrează pe un singur vector (ținta), nu pe un tabel de caracteristici. Pentru o coloană categorică din X, OrdinalEncoder face aceeași codificare în numere (pe un tabel 2D), iar OneHotEncoder creează câte o coloană 0/1 pentru fiecare categorie, ceea ce e de obicei mai bine pentru modelele liniare.

De ce apare: cauzele frecvente

1LabelEncoder ca pas în Pipeline

Greșit
PYTHON
pipe = make_pipeline(LabelEncoder(), LogisticRegression())
pipe.fit(df[["oras"]], y)
Corect
PYTHON
pipe = make_pipeline(OneHotEncoder(handle_unknown="ignore"), LogisticRegression())
pipe.fit(df[["oras"]], y)

OneHotEncoder e un transformer pentru X: acceptă fit_transform(X, y) și funcționează în Pipeline.

2LabelEncoder în ColumnTransformer

Greșit
PYTHON
ct = ColumnTransformer([("nivel", LabelEncoder(), ["studii"])])
Corect
PYTHON
ordine = [["liceu", "licenta", "master"]]
ct = ColumnTransformer([("nivel", OrdinalEncoder(categories=ordine), ["studii"])])

OrdinalEncoder dă coduri 0, 1, 2 ca LabelEncoder, dar lucrează pe coloane din X și îți permite să fixezi ordinea categoriilor.

3Ținta codificată separat, în afara Pipeline-ului

Greșit
PYTHON
pipe = make_pipeline(StandardScaler(), LabelEncoder(), LogisticRegression())
Corect
PYTHON
y_cod = LabelEncoder().fit_transform(y)  # doar dacă chiar ai nevoie
pipe = make_pipeline(StandardScaler(), LogisticRegression()).fit(X, y_cod)

Ținta nu trece prin pașii Pipeline-ului. Dacă vrei s-o codifici, fă-o separat; clasificatorii acceptă însă și etichete text direct.

Repară tu

Repară eroarea, direct în pagină

Codul de mai jos dă TypeError: LabelEncoder.fit_transform() takes 2 positional arguments but 3 were given, pentru că LabelEncoder e pus ca pas în Pipeline. Înlocuiește-l cu un encoder pentru coloane din X (OneHotEncoder), ca programul să afișeze predicțiile pentru Cluj și Iasi.

Codul care dă eroarea
PYTHON
import pandas as pd
from sklearn.linear_model import LogisticRegression
from sklearn.pipeline import make_pipeline
from sklearn.preprocessing import LabelEncoder

df = pd.DataFrame({
    "oras": ["Cluj", "Iasi", "Cluj", "Iasi", "Cluj", "Iasi"],
    "a_cumparat": [1, 0, 1, 0, 1, 0],
})

pipe = make_pipeline(LabelEncoder(), LogisticRegression())
pipe.fit(df[["oras"]], df["a_cumparat"])
noi = pd.DataFrame({"oras": ["Cluj", "Iasi"]})
print("Predictii:", pipe.predict(noi).tolist())
După reparație, programul afișează
Predictii: [1, 0]
Indiciu

Importă OneHotEncoder din sklearn.preprocessing și pune OneHotEncoder() în loc de LabelEncoder().

Alte forme ale mesajului

  • TypeError: fit_transform() takes 2 positional arguments but 3 were given
  • TypeError: LabelBinarizer.fit_transform() takes 2 positional arguments but 3 were given
  • TypeError: MultiLabelBinarizer.fit_transform() takes 2 positional arguments but 3 were given

Cum o eviți pe viitor

Ține minte împărțirea: LabelEncoder, LabelBinarizer și MultiLabelBinarizer sunt pentru ținta y; OneHotEncoder și OrdinalEncoder sunt pentru coloanele din X și pot sta în Pipeline. Dacă un tutorial vechi folosește LabelEncoder pe caracteristici, înlocuiește-l cu OrdinalEncoder. Pentru ținta y nu ai nevoie de niciun encoder în Pipeline: clasificatorii primesc direct etichetele.

Întrebări frecvente

Pot face un LabelEncoder propriu care să meargă în Pipeline?

Poți, dar nu e nevoie: OrdinalEncoder face exact asta pentru coloanele din X, inclusiv pentru mai multe coloane deodată și cu tratarea valorilor necunoscute.

Codurile numerice 0, 1, 2 sunt bune pentru regresia logistică?

Doar dacă ordinea are sens (liceu < licență < master). Pentru categorii fără ordine, ca orașele, OneHotEncoder e alegerea corectă, altfel modelul ar crede că un oraș e „mai mare” decât altul.

Erori înrudite

← Toate erorile Machine Learning

Tudor Andrei Dumitrescu
Cine a explicat eroarea

Tudor Andrei Dumitrescu

Senior Software Developer · fondatorul Academiei Programatorilor

LinkedIn
  1. 2019 Junior JavaCognizant Softvision
  2. 2021 Mid JavaCognizant Softvision
  3. 2022 Team LeaderEndava
  4. 2023 Senior Software DeveloperUniCredit
  5. Acum Senior Software DeveloperHCLTech
Certificat de absolvire Instructor / Preparator formare, Tudor Andrei Dumitrescu
Certificat de formator autorizatMinisterul Muncii și Ministerul Educației · 2022
Certificat de absolvire Instructor / Preparator formare, Tudor Andrei Dumitrescu

Certificat de formator autorizat · Ministerul Muncii și Ministerul Educației · 2022

Din 2020 construiește Academia Programatorilor, iar din 2026 și JoburiIT.ro. Fiecare eroare de aici a fost reprodusă în editorul nostru: codul greșit chiar dă mesajul din titlu, iar reparația chiar funcționează.

Învață Machine Learning de la zero, cu exerciții la fiecare lecție

Curs Machine Learning și AI pentru începători: lecții scurte, fiecare cu un exercițiu verificat automat, direct în browser. Primele 15 lecții sunt gratuite.