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

ValueError: Shape mismatch: if categories is an array, it has to be of shape (n_features,).

Pe scurt

Parametrul categories al lui OneHotEncoder sau OrdinalEncoder trebuie să aibă câte o listă pentru fiecare coloană, chiar dacă ai o singură coloană. Scrie categories=[["mic", "mediu", "mare"]] (listă de liste), nu categories=["mic", "mediu", "mare"].

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

Ce înseamnă

Encoderele lucrează pe mai multe coloane deodată, așa că categories este o listă cu câte un element pentru fiecare coloană: elementul i conține categoriile coloanei i. Când scrii categories=["mic", "mediu", "mare"], encoderul crede că ai trei coloane (cu categoriile „mic”, „mediu” și „mare”), dar datele au una singură. „Shape mismatch” spune exact asta: numărul de liste din categories nu e egal cu numărul de coloane (n_features).

Cel mai des apare la OrdinalEncoder, unde dai categoriile ca să fixezi ordinea (mic < mediu < mare), și la OneHotEncoder, când vrei să incluzi și categorii care nu apar în datele de antrenare.

Pentru mai multe coloane, ordinea listelor trebuie să urmeze ordinea coloanelor din X.

De ce apare: cauzele frecvente

1O singură coloană, fără lista exterioară

Greșit
PYTHON
OrdinalEncoder(categories=["mic", "mediu", "mare"])
Corect
PYTHON
OrdinalEncoder(categories=[["mic", "mediu", "mare"]])

Lista exterioară are un element pentru fiecare coloană; aici e o singură coloană, deci o singură listă interioară.

2Mai multe coloane, o singură listă

Greșit
PYTHON
OneHotEncoder(categories=[["Cluj", "Iasi"]]).fit(df[["oras", "tip"]])
Corect
PYTHON
OneHotEncoder(categories=[["Cluj", "Iasi"], ["bloc", "casa"]]).fit(df[["oras", "tip"]])

Două coloane cer două liste, în aceeași ordine ca în X.

3Ai vrut categoriile automate

Greșit
PYTHON
OneHotEncoder(categories=["auto"])
Corect
PYTHON
OneHotEncoder(categories="auto")

"auto" se dă ca text simplu, nu într-o listă.

Repară tu

Repară eroarea, direct în pagină

Codul de mai jos dă ValueError: Shape mismatch: if categories is an array, it has to be of shape (n_features,). Coloana marime e una singură, deci categoriile trebuie date ca listă de liste. Repară parametrul, ca programul să afișeze codurile mic = 0, mediu = 1, mare = 2.

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

df = pd.DataFrame({"marime": ["mare", "mic", "mediu", "mic", "mare"]})

enc = OrdinalEncoder(categories=["mic", "mediu", "mare"])
coduri = enc.fit_transform(df[["marime"]])
print("Coduri:", coduri.ravel().astype(int).tolist())
După reparație, programul afișează
Coduri: [2, 0, 1, 0, 2]
Indiciu

Scrie categories=[["mic", "mediu", "mare"]].

Alte forme ale mesajului

  • ValueError: Shape mismatch: if categories is an array, it has to be of shape (n_features,)

Cum o eviți pe viitor

Când scrii categories, gândește-te la el ca la un tabel: un rând pentru fiecare coloană din X. Pentru o singură coloană, verifică cele două paranteze pătrate de la început. Ține categoriile într-un dicționar {coloana: [valori]} și construiește lista din el, în ordinea coloanelor: [cat[c] for c in coloane].

Întrebări frecvente

De ce să dau categoriile, dacă encoderul le găsește singur?

La OrdinalEncoder, ordinea automată e alfabetică (mare < mediu < mic), deci greșită pentru mărimi. La OneHotEncoder, poți include categorii care nu apar în datele de antrenare.

Ce se întâmplă dacă în date apare o categorie care nu e în listă?

Primești Found unknown categories ... during fit. Adaug-o în listă sau folosește handle_unknown.

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.