...
Eroare Machine Learning · Encodere, ColumnTransformer și Pipeline

TypeError: unknown_value should be an integer or np.nan when handle_unknown is 'use_encoded_value', got None.

Pe scurt

Ai setat OrdinalEncoder(handle_unknown="use_encoded_value"), dar nu ai spus ce cod primesc categoriile necunoscute. Adaugă unknown_value, de obicei -1 sau np.nan: OrdinalEncoder(handle_unknown="use_encoded_value", unknown_value=-1).

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

Ce înseamnă

Implicit, OrdinalEncoder dă eroare când vede la transform o categorie pe care nu a întâlnit-o la fit. Cu handle_unknown="use_encoded_value" îi spui să nu mai dea eroare, ci să pună un cod special. Codul acela trebuie ales de tine, prin unknown_value, iar valoarea implicită (None) nu e acceptată.

Regulile pentru unknown_value: un număr întreg care nu e deja folosit de categoriile cunoscute (de aceea -1 e alegerea obișnuită) sau np.nan, dacă după encoder urmează un imputer sau un model care acceptă valori lipsă (de exemplu HistGradientBoostingClassifier). Dacă alegi un întreg folosit deja, de exemplu 0, primești altă eroare, pentru că două categorii ar avea același cod.

La OneHotEncoder echivalentul este handle_unknown="ignore", care nu cere niciun cod.

De ce apare: cauzele frecvente

1Lipsește unknown_value

Greșit
PYTHON
OrdinalEncoder(handle_unknown="use_encoded_value")
Corect
PYTHON
OrdinalEncoder(handle_unknown="use_encoded_value", unknown_value=-1)

Categoriile necunoscute primesc codul -1, care nu se suprapune cu 0, 1, 2 ale categoriilor cunoscute.

2Cod deja folosit

Greșit
PYTHON
OrdinalEncoder(handle_unknown="use_encoded_value", unknown_value=0)
Corect
PYTHON
OrdinalEncoder(handle_unknown="use_encoded_value", unknown_value=-1)

0 e codul primei categorii cunoscute. Un cod nou evită confuzia.

3Necunoscut tratat ca valoare lipsă

Greșit
PYTHON
OrdinalEncoder(handle_unknown="use_encoded_value", unknown_value=None)
Corect
PYTHON
OrdinalEncoder(handle_unknown="use_encoded_value", unknown_value=np.nan)

np.nan e permis și lasă pașii următori să trateze categoria necunoscută ca lipsă.

Repară tu

Repară eroarea, direct în pagină

Codul de mai jos dă TypeError: unknown_value should be an integer or np.nan, pentru că encoderul trebuie să codifice orașele necunoscute, dar nu știe cu ce cod. Dă-le codul -1, ca programul să afișeze codurile pentru Cluj, Brasov și Iasi.

Codul care dă eroarea
PYTHON
import pandas as pd
from sklearn.preprocessing import OrdinalEncoder

train = pd.DataFrame({"oras": ["Cluj", "Iasi", "Arad", "Cluj"]})
nou = pd.DataFrame({"oras": ["Cluj", "Brasov", "Iasi"]})

enc = OrdinalEncoder(handle_unknown="use_encoded_value")
enc.fit(train)
print("Categorii:", [str(c) for c in enc.categories_[0]])
print("Coduri:", enc.transform(nou).ravel().astype(int).tolist())
După reparație, programul afișează
Categorii: ['Arad', 'Cluj', 'Iasi']
Coduri: [1, -1, 2]
Indiciu

Adaugă unknown_value=-1 la OrdinalEncoder.

Alte forme ale mesajului

  • TypeError: unknown_value should be an integer or np.nan when handle_unknown is 'use_encoded_value', got -1.5.
  • ValueError: The used value for unknown_value 0 is one of the values already used for encoding the seen categories.

Cum o eviți pe viitor

Când alegi handle_unknown="use_encoded_value", scrie unknown_value pe același rând, ca pereche. Alege -1 pentru modelele care primesc doar numere și np.nan pentru modelele care acceptă valori lipsă. Testează pipeline-ul cu un rând care conține o categorie nouă, ca să vezi ce primește modelul.

Întrebări frecvente

Codul -1 nu strică modelul?

Pentru arbori, -1 e doar o altă valoare, separată ușor de rest. Pentru modelele liniare, codurile ordinale au oricum un sens limitat; acolo OneHotEncoder(handle_unknown="ignore") e de obicei o alegere mai bună.

Care e diferența față de OneHotEncoder?

OneHotEncoder cu handle_unknown="ignore" pune zero pe toate coloanele categoriei. OrdinalEncoder are o singură coloană, deci are nevoie de un cod anume.

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.