我在scikit-learn(随机森林(中构建了一个模型并保存了它。然后我再次加载了这个模型，并尝试将其应用于用于训练的同一数据集。我收到错误消息
"无法将字符串转换为浮点数">
因为我有几个类别变量。但是在保存模型之前，我能够将此模型应用于此数据集而不会出错。问题似乎是在我保存模型时没有保存有关这两个类别变量的信息。事实上，我对这些变量使用了Labelencoder。有没有办法保存有关这些类别变量的信息，以便保存的模型像"新拟合"模型一样工作？ 提前感谢！
这是pipeline的典型用例。
将工作流创建为单个管道，然后保存管道。
加载管道时，可以直接对新数据进行预测，而无需进行任何编码。
此外，labelEncoder不适用于转换输入数据。顾名思义，它适用于目标变量。
如果需要将分类变量转换为序数，请使用OrdinalEncoder。
玩具示例：
from sklearn.ensemble import RandomForestClassifier
from sklearn.preprocessing import OrdinalEncoder
from sklearn.compose import make_column_transformer
from sklearn.model_selection import train_test_split
from sklearn.pipeline import Pipeline
X = [[1, 'orange', 'yes'], [1, 'apple', 'yes'],
[-1, 'orange', 'no'], [-1, 'apple', 'no']]
y = [[1], [1], [0], [0]]
X_train, X_test, y_train, y_test = train_test_split(X, y,
random_state=42)
pipe = Pipeline(
[('encoder', make_column_transformer((OrdinalEncoder(), [1, 2]),
remainder='passthrough')),
# applies OrdinalEncoder using column transformer for 2nd and 3rd column
('rf', RandomForestClassifier(n_estimators=2,random_state=42))])
pipe.fit(X_train, y_train)
import joblib
joblib.dump(pipe, 'pipe.pkl')
loaded_pipe = joblib.load('pipe.pkl')
loaded_pipe.score(X_test, y_test)