。fit（）方法中如何对多个标签（训练）使用一种热编码？

Question

我有一个移动价格分类数据集，其中有20个要素和一个名为price_range的目标变量。我需要将移动价格分类为低，中，高，非常高。我已经将一键编码应用于目标变量。之后，我将数据分为trainX，testX，trainy，testy。因此，trainX和trainy的形状分别为（1600,20）和（1600,4）。现在，当我尝试将trainX调整为logisticRegresion时，即-> lr.fit（trainX，trainy）我收到一个错误，它说：输入错误（1600,4）因此，我知道我必须在形状上赋予训练价值（1600,1）但是通过一种热编码，按照一种热编码的概念，我为每个单独的price_range得到了4列的数组。

所以现在我完全感到困惑，人们在实践中如何使用一种热编码作为目标变量？请帮帮我。

Answer 1

要训练模型，应仅对特征应用OneHotEncoder以获得X。并应用LabelEncoder（y）转换y。

from sklearn import preprocessing
le=preprocessing.LabelEncoder()
le.fit_transform(['a','b','a'])

并获得：

output: array([0, 1, 0])