特征工程—数据哑变量(独热编码)

特征工程—数据哑变量(独热编码),第1张

特征工程—数据哑变量(独热编码) 哑变量=独热编码=稀疏矩阵 分类特征变量分为:名义变量,有序变量,有距变量 名义变量:如门A,B,C,指数据之间毫无关联性 有序变量:如小学,中学,大学,学历有高低,但不能相互计算 有距变量:如分数,体重,费用等,可以通过计算得出 对于有序变量可以使用编码进行处理,对于名义变量可以使用哑变量进行处理 sklearn中使用OneHotEncoder模块进行哑变量: 代码如下:
from sklearn.preprocessing import oneHotEncoder
x = data1.iloc[:,2:3]
one = oneHotEncoder(categories="auto")   #categories使用auto进行自动特征查找
re = one.fit_transform(x)
res = re.toarray()   #使用toarray转换查看
pd.Dataframe(res)

上述对性别进行哑变量
one.inverse_transform(re)  #逆转
one.get_feature_names()   #查看编码后的特征
 使用concat方法添加到原数据
newdata = pd.concat([data2,pd.Dataframe(res)],axis = 1)  #将哑变量追加到原数据

 

欢迎分享,转载请注明来源:内存溢出

原文地址: https://outofmemory.cn/zaji/5659585.html

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
上一篇 2022-12-16
下一篇 2022-12-16

发表评论

登录后才能评论

评论列表(0条)

保存