Проблема с входным массивом в модели случайного леса как с числовыми, так и с категориальными признаками ⇐ Python

[Anonymous]

Я получаю ошибку ValueError относительно входных массивов и их размеров. Я пытаюсь создать модель случайной лесной регрессии для прогнозирования цен, используя как числовые, так и категориальные функции. У меня по-прежнему возникает ошибка при добавлении строки кода для изменения формы.
Вот код модели:
cat_features = ['Manufacturer', 'Fuel type','Model']
num_features = ['Engine size', 'Year of manufacture', 'Mileage']

x_numerical = df[num_features]
x_cat = df[cat_features]
y = df['Price']

#scaling of the numerical data - using same scaler as previous for consistency
scale = StandardScaler()
scale.fit(x_numerical)
x_numerical_scaled = scale.transform(x_numerical)

#trasforming categorical data into numerical - one hot encoder as applying to multiple labels
from sklearn.preprocessing import OneHotEncoder
encoder = OneHotEncoder()
encoder.fit(x_cat)

#applying tranformation
x_cat_encoder = encoder.transform(x_cat)

#reshaping the data
#x_cat_endoder = x_cat_label.reshape(-1, 1)

#combining both categorical and numerical features
x = np.concatenate((x_numerical_scaled, x_cat_encoder), axis = 1)

#now splitting the data
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size = 0.2, random_state = 42)

forest = RandomForestRegressor()
forest.fit(x_train, y_train)
pred_forest = forest.predict(x_test)

#evalutating the model
evaluate_model(y_test, pred_forest)

#creating the visualisation
plt.scatter(y_test, pred_forest)
plt.plot([0,160000], [0,160000], 'k-')

plt.ylabel('Actual price (GDP)')
plt.xlabel('Predicted Price (GDP)')
plt.suptitle('Actual Price Vs Predicted Price')
plt.title('Random Forest Regressor')
plt.show()

И вот какую ошибку я получаю:
ValueError Traceback (most recent call last)
Cell In[35], line 25
19 x_cat_encoder = encoder.transform(x_cat)
21 #reshaping the data
22 #x_cat_label = x_cat_label.reshape(-1, 1)
23
24 #combining both categorical and numerical features
---> 25 x = np.concatenate((x_numerical_scaled, x_cat_encoder), axis = 1)
27 #now splitting the data
28 x_train, x_test, y_train, y_test = train_test_split(x, y, test_size = 0.2, random_state = 42)

ValueError: all the input arrays must have same number of dimensions, but the array at index 0 has 2 dimension(s) and the array at index 1 has 0 dimension(s)


Подробнее здесь: https://stackoverflow.com/questions/795 ... categorica