在模型训练与部署分离的场景下，若每次预测都新建ordinalencoder实例，会导致所有类别被错误编码为0；正确做法是复用训练阶段拟合好的编码器。
在模型训练与部署分离的场景下，若每次预测都新建ordinalencoder实例，会导致所有类别被错误编码为0；正确做法是复用训练阶段拟合好的编码器。
问题根源在于：你在训练脚本中使用 enc.fit_transform(...) 正确拟合了编码器，但未保存该拟合后的编码器对象；而在 Streamlit 应用中，每次点击“Predict”按钮时，都重新初始化了一个全新的 OrdinalEncoder() 实例，并仅对其传入单条（或少量）含空字符串/缺失值的样本调用 fit_transform。由于 OrdinalEncoder 对单一值（尤其是空字符串 ""）拟合时，会将其映射为 0，且无其他类别可供区分，因此所有分类列最终都被编码为 0 —— 这正是你观察到“始终显示相同值”的根本原因。
✅ 正确做法是：将训练阶段拟合好的 OrdinalEncoder 与模型一同持久化保存，并在推理时复用它。
✅ 修改建议（训练端）
在训练脚本末尾，除保存模型外，还需保存已拟合的编码器：
# ... 训练流程保持不变 ...
enc = OrdinalEncoder(handle_unknown='use_encoded_value', unknown_value=-1) # 推荐：处理未见类别
X_enc = enc.fit_transform(df_copied[cat_cols])
df_copied[cat_cols] = pd.DataFrame(X_enc, columns=cat_cols)
# ... 后续训练、SMOTE、建模等 ...
# 保存模型和编码器
import pickle
with open('dtc_model.pkl', 'wb') as f:
pickle.dump(dtc, f)
with open('ordinal_encoder.pkl', 'wb') as f:
pickle.dump(enc, f) # 关键：保存已拟合的 encoder！
⚠️ 注意：建议设置 handle_unknown='use_encoded_value' 和 unknown_value=-1，以增强对部署时新类别（如用户误选空值）的鲁棒性。
✅ 修改建议（Streamlit 端）
加载模型的同时，也加载并复用训练时保存的编码器：
with open('dtc_model.pkl', 'rb') as f:
model = pickle.load(f)
with open('ordinal_encoder.pkl', 'rb') as f:
enc = pickle.load(f) # 关键：复用训练好的 encoder！
# ... 输入收集逻辑不变 ...
if st.button("Predict"):
data = {
'age': int(age), 'bp': float(bp), 'sg': sg, 'al': al, 'su': su,
'rbc': rbc, 'pc': pc, 'pcc': pcc, 'ba': ba, 'bgr': float(bgr),
'bu': float(bu), 'sc': float(sc), 'sod': float(sod), 'pot': float(pot),
'hemo': float(hemo), 'pcv': float(pcv), 'wc': float(wc), 'rc': float(rc),
'htn': htn, 'dm': dm, 'cad': cad, 'appet': appet, 'pe': pe, 'ane': ane
}
df_input = pd.DataFrame([data], columns=cols)
# 仅对 categorical 列进行 transform（非 fit_transform！）
cat_cols = [col for col in df_input.columns if df_input[col].dtype == 'object']
df_encoded = df_input.copy()
df_encoded[cat_cols] = enc.transform(df_encoded[cat_cols]) # ← 注意：是 transform，不是 fit_transform
prediction = model.predict(df_encoded)[0]
st.write("Positive" if prediction == 1 else "Negative")
? 补充说明与注意事项
- fit_transform vs transform：训练时用 fit_transform 学习映射关系；预测时必须用 transform 应用该关系。重复调用 fit_transform 会重置编码逻辑。
- 空值/缺失值处理：原始数据中 "", "normal", "abnormal" 等字符串若含空字符串（""），需在训练前统一处理（如替换为 np.nan 并用 mode 填充），否则 OrdinalEncoder 会将其视为有效类别，影响泛化能力。
- 列顺序一致性：确保 Streamlit 输入 DataFrame 的列名顺序与训练时完全一致（你已显式指定 columns=cols，这点做得很好）。
- 类型安全：st.text_input 返回字符串，务必显式转换为 int/float；对分类字段（如 rbc, pc）应避免传入空字符串参与编码——可在前端加校验，或在编码前做清洗（如 df_input[cat_cols] = df_input[cat_cols].replace("", np.nan).fillna("unknown")）。
遵循以上修改后，编码结果将准确反映训练阶段学习到的类别序数关系，模型预测也将恢复应有的判别能力。
