我过去也有过同样的问题。
如果您不介意使用ColumnTransformer的子类，可以创建它，并在get_feature_names_out()不可用时修改为调用get_feature_names()。
在这种情况下，您应该声明类

from sklearn.compose import ColumnTransformer
from sklearn.compose._column_transformer import _is_empty_column_selection

class MyColumnTransformer(ColumnTransformer):
    def __init__(self, transformers,**kwargs):
        super().__init__(transformers=transformers,**kwargs)

    def _get_feature_name_out_for_transformer(
        self, name, trans, column, feature_names_in
    ):
        column_indices = self._transformer_to_input_indices[name]
        names = feature_names_in[column_indices]
        if trans == "drop" or _is_empty_column_selection(column):
            return
        elif trans == "passthrough":
            return names

        if not hasattr(trans, "get_feature_names_out"):
            return trans.get_feature_names()
        return trans.get_feature_names_out(names)

尽管ColumnTransformer的使用不像make_column_transformer那么简单，但它更易于定制。
因此，在这种情况下，还必须使用以下模式将名称传递给每个变压器：

• （名称、变压器、列）*

features_pipe = MyColumnTransformer(transformers=
    [
      ('OHE', OneHotEncoder(handle_unknown = 'ignore', sparse=False), ['Gender', 'Race']),
      ('OE', OrdinalEncoder(), ['Age', 'Overall Work Exp.', 'Fieldwork Exp.', 'Level of Education']),
      ('LOOE', ce.LeaveOneOutEncoder(), ['State (US)'])
    ])
features_pipe.fit(X_train, y_train)

最后按照您建议的方式继续执行代码。
如果您不想将变换器名称附加到功能名称，只需在初始化MyColumnTransformer时包含verbose_feature_names_out=False。