使用OneHotEncoder扩展系列
OneHotEncoder是一种常用的特征编码方法，用于将离散型特征转换为机器学习算法可以处理的数值型特征。它将每个离散型特征的每个可能取值都转换为一个新的二进制特征，其中只有一个特征为1，其他特征都为0。
OneHotEncoder的主要优势是能够处理离散型特征，使其适用于各种机器学习算法。它可以将离散型特征的取值进行编码，避免了算法对于离散型特征的难以处理的问题。同时，OneHotEncoder还能够保留原始特征的信息，不引入任何额外的偏差。
OneHotEncoder的应用场景包括但不限于以下几个方面：
- 机器学习任务中的特征处理：在进行分类、回归等机器学习任务时，经常需要将离散型特征进行编码，以便算法能够处理。OneHotEncoder可以很好地完成这个任务。
- 自然语言处理（NLP）中的词汇编码：在NLP任务中，常常需要将文本中的词汇进行编码表示。OneHotEncoder可以将每个词汇编码为一个二进制特征向量，用于后续的文本处理任务。
- 推荐系统中的用户行为编码：在推荐系统中，用户的行为往往是离散型的，如点击、购买、收藏等。OneHotEncoder可以将这些行为编码为特征向量，用于推荐算法的训练和预测。
腾讯云提供了一系列与特征处理相关的产品和服务，其中包括：
- 腾讯云机器学习平台（https://cloud.tencent.com/product/tensorflow）：提供了一站式的机器学习平台，包括特征处理、模型训练、模型部署等功能。
- 腾讯云自然语言处理（https://cloud.tencent.com/product/nlp）：提供了一系列与自然语言处理相关的服务，包括词汇编码、文本分类、情感分析等功能。
- 腾讯云推荐系统（https://cloud.tencent.com/product/recommendation）：提供了一套完整的推荐系统解决方案，包括用户行为编码、推荐算法、推荐结果展示等功能。
总结：OneHotEncoder是一种常用的特征编码方法，适用于将离散型特征转换为数值型特征。它在机器学习、自然语言处理、推荐系统等领域有广泛的应用。腾讯云提供了一系列与特征处理相关的产品和服务，可以满足不同场景下的需求。
相关·内容
3回答
如何获得此数据集的假人？
、、、、
我正在为MachineLearning使用一个udemy课程，并且我试图为我的变量(列是Country )形成一个虚拟的
我想换到法国，德国，西班牙
- France 1 0 0
- Spain 0 0 1
- Germany 0 1 0 etc
我试过了，但我犯了个错误
from sklearn.preprocessing import Label
浏览 0提问于2020-06-19得票数 1
我目前正在开发一种用于票证分类的机器学习算法，该算法将标题、描述和客户名称结合在一起，以预测一张票应该分配给哪些团队，但在过去几天中一直停滞不前。
标题和描述都是免费文本，所以我正在通过TfidfVectorizer传递它们。客户名称是一个类别，为此我使用OneHotEncoder。我希望它们在管道中工作，因此将它们与列转换器连接在一起，在那里我可以传递一个完整的数据帧并对其进行处理。
file = "train_data.csv"
train_data= pd.read_csv(train_file)
string_features = ['Title', &
浏览 1提问于2019-02-22得票数 4
回答已采纳
Spyder(python 3.7)
我在这里面临以下错误。我已经在anaconda提示符下更新了所有的库。但是找不到问题的解决方案。
from sklearn.preprocessing import LabelEncoder, OneHotEncoder
labelencoder_X_1 = LabelEncoder()
X[:, 1] = labelencoder_X_1.fit_transform(X[:, 1])
labelencoder_X_2 = LabelEncoder()
X[:, 2] = labelencoder_X_2.fit_transform(X[:, 2])
o
浏览 3提问于2019-12-25得票数 12
我有一个包含一系列列表的Pandas数据框架。我想在这个系列中使用SciKit-Learn的OneHotEncoder。我一直收到一个值错误。
我的问题重现为：
import pandas as pd
import numpy as np
d = {'A': [[5,7], [3, 4, 5], [2], [1,2,3,4]]}
df = pd.DataFrame(data=d)
df
A
0 [5, 7]
1 [3, 4, 5]
2 [2]
3 [1, 2, 3, 4]
a = np.array(df['A'])
a
array
浏览 3提问于2018-04-26得票数 3
这是我的代码，我试图对“X”第一列的分类数据进行虚拟编码，但这不起作用，当我访问OneHotEncoder文档页面时，它显示OneHotEncoder已被更改。我不知道如何使用这个修改过的OnehotEncoder。
from sklearn.preprocessing import OneHotEncoder
onehotencoder=OneHotEncoder(categorical_features = [0])
X[:, 0]=onehotencoder.fit_transform(X).toarray()
浏览 0提问于2019-12-15得票数 0
2回答
我的数据集包含分类变量，所以我使用标签编码和一个热编码器，我的代码如下
我可以使用一个循环来确保我的代码包含较少的代码行吗？
from sklearn.preprocessing import LabelEncoder, OneHotEncoder
labelencoder_X_0 = LabelEncoder()
X[:, 0] = labelencoder_X_0.fit_transform(X[:, 0])
labelencoder_X_1 = LabelEncoder()
X[:, 1] = labelencoder_X_1.fit_transform(X[:, 1])
labele
浏览 2提问于2020-03-02得票数 0
回答已采纳
我在以下系列中尝试使用OneHot编码器：
1 redução
2 redução
3 redução
4 redução
...
1969 normal
1970 normal
1971 normal
1972 normal
1973 normal
Length: 1974, dtype: object
但是它返回给我以下错误
ValueError: Expected 2D array, got 1D array instead:
array=['redução'
浏览 1提问于2021-03-03得票数 0
当我尝试从sklearn库中学习一个HotEncoder时，我尝试了scikit-learn.org提供的。但是这段代码给了我错误，我无法调试它。
from sklearn.preprocessing import OneHotEncoder
enc = OneHotEncoder(handle_unknown='ignore')
X = [['Male', 1], ['Female', 3], ['Female', 2]]
enc.fit(X)
我知道这个错误：
array = np.array(array, dtype=dty
浏览 1提问于2019-02-13得票数 0
回答已采纳
这是我的代码，我试图使用OneHotEncoder对X的第一列进行虚拟编码，但是它显示了错误，OneHotEncoder的文档页面说它已经更改了，我无法知道如何使用更改的版本来实现它。X的数据类型是numpy.ndarray。
from sklearn.preprocessing import LabelEncoder, OneHotEncoder
onehotencoder=OneHotEncoder(categorical_features = [0])
X[:, 0]=onehotencoder.fit_transform(X).toarray()
浏览 0提问于2019-12-16得票数 1
我正在尝试oneHotEncode我的Pandas数据帧的分类变量，其中包括分类变量和连续变量。我意识到使用pandas .get_dummies()函数可以很容易地做到这一点，但我需要使用管道，以便稍后可以生成PMML文件。
这是创建映射器的代码。我想要编码的分类变量存储在一个名为'dummies‘的列表中。
from sklearn_pandas import DataFrameMapper
from sklearn.preprocessing import OneHotEncoder
from sklearn.preprocessing import LabelEncoder
浏览 15提问于2017-02-13得票数 13
回答已采纳
我在这里面临着以下的错误。我已经使用vscode更新了所有的库和im。但找不到解决问题的办法。
from sklearn.preprocessing import LabelEncoder , OneHotEncoder
y=rooms_df['room type'].values
y_labelencoder = LabelEncoder ()
y = y_labelencoder.fit_transform (y)
y=y.reshape(-1,1)
onehotencoder = OneHotEncoder(categorical_features=[0])
Y= one
浏览 8提问于2022-07-09得票数 -2
我试着用categories代替categorical_features，但是没有用。
请帮助解决此错误：Traceback (most recent call last): File "test.py", line 28, in <module>
浏览 0提问于2020-01-23得票数 1
这是我的密码：
val workindexer = new StringIndexer().setInputCol("workclass").setOutputCol("workclassIndex")
val workencoder = new OneHotEncoder().setInputCol("workclassIndex").setOutputCol("workclassVec")
val educationindexer = new StringIndexer().setInputCol("educatio
浏览 3提问于2017-07-27得票数 1
回答已采纳
在为机器学习分类任务预处理标签时，我需要对获取字符串值的标签进行热编码。来自sklearn.preprocessing的OneHotEncoder或来自kera.np_utils的to_categorical需要int输入。这意味着我需要在一个热编码器前面加上一个LabelEncoder。我已经用一个自定义类手工完成了这项工作： class LabelOneHotEncoder():
def __init__(self):
self.ohe = OneHotEncoder()
self.le = LabelEncoder()
def fit_t
浏览 86提问于2018-02-22得票数 11
回答已采纳
Google
这是编码分类数据的代码。
from sklearn.preprocessing import LabelEncoder, OneHotEncoder
labelencoder_X_1 = LabelEncoder()
X[:, 2] = labelencoder_X_1.fit_transform(X[:, 2]) #For month
labelencoder_X_2 = LabelEncoder()
X[:, 3] = labelencoder_X_2.fit_transform(X[:, 3]) #For weekday
onehotencoder = OneHotEnco
浏览 1提问于2021-11-24得票数 1
回答已采纳
2回答
我一直在学习一个教程，试图理解机器学习，同时尝试他在做什么。
我的数组是：
0 44 72000
2 27 48000
1 30 54000
2 38 61000
1 40 6.377777777777778101
0 35 58000
2 38.77777777777777857 52000
0 48
浏览 3提问于2020-10-02得票数 0
回答已采纳
我试图通过LabelEncoder和OneHotEncoder方法对我的分类变量进行编码。我的X矩阵是变量的组合，所有变量都是浮动的，My由对象类型的变量组成：
X = df.loc[:, df.dtypes == np.float64]
Y = df['VCat']
当我应用我的方法时：
from sklearn.preprocessing import LabelEncoder, OneHotEncoder
labelencoder_Y = LabelEncoder()
Y = labelencoder_Y.fit_transform(Y)
onehotencoder
浏览 0提问于2018-08-14得票数 2
回答已采纳
我已经创建了一个简单代码来实现OneHotEncoder。 from sklearn.preprocessing import OneHotEncoder
X = [[0, 'a'], [0, 'b'], [1, 'a'], [2, 'b']]
onehotencoder = OneHotEncoder(categories=[0])
X = onehotencoder.fit_transform(X).toarray() 我只想对索引0的X使用名为fit_transform的方法，所以这意味着[0, 0, 1, 2]，就像您在
浏览 140提问于2019-12-30得票数 9
回答已采纳
1回答
我有一个整数列表(实际上是一个熊猫系列)，我想把它变成一个稀疏矩阵，对于这个稀疏矩阵，行i在j上只有一个非零值，索引是由列表的第i个元素定义的。有点像问题中的：
现在，我首先将数据转换为密集矩阵，如下所示：
def cat_to_mat(c, mat_length):
res = np.zeros((len(c), mat_length))
res[np.arange(len(c)), c.values % mat_length] = 1
return res
然后，我在结果数组上调用csr_matrix。然而，生成一个密集的矩阵并丢弃它的大部分元素似乎是一种浪费。
我
浏览 12提问于2020-11-19得票数 0
回答已采纳
因此，我使用一个热编码器对数据中的分类特征之一进行编码，但我无法理解其中的一个参数。你们能帮帮我吗，它是用来做什么的。参数为: categorical_features=
from sklearn.preprocessing import OneHotEncoder
onehotencoder = OneHotEncoder(categorical_features= [0])
X = onehotencoder.fit_transform(X).toarray()
浏览 0提问于2019-05-23得票数 2
2回答
对于分类，我试图通过应用OneHotEncoder将分类数据转换为数字。但它显示了错误could not convert string to float。
这是我的分类数据集的示例和一个热编码的代码。
📷
# TODO: create a OneHotEncoder object, and fit it to all of X from sklearn.preprocessing import OneHotEncoder
# 1. INSTANTIATE enc = OneHotEncoder()
# 2. FIT enc.fit(train_obj)
# 3. Transform train
浏览 0提问于2018-01-14得票数 1
我有一份清单： names = ['pipeline-1__YearBuilt',
'pipeline-1__NumberofBuildings',
'pipeline-1__NumberofFloors',
'pipeline-1__PropertyGFATotal',
'onehotencoder__x0_Low-Rise Multifamily',
'onehotencoder__x0_Medical Office',
'onehote
浏览 23提问于2020-11-29得票数 0
回答已采纳
我试图将汽车名从NumPy数组转换为用于线性回归器的数值。标签编码器发出警告: ValueError:无法将字符串转换为浮动：“保时捷”，有人能帮忙吗？
这是代码：
from sklearn.preprocessing import StandardScaler
from sklearn.preprocessing import LabelEncoder, OneHotEncoder
enc = LabelEncoder()
enc.fit_transform(Z[:,0:1])
onehotencoder = OneHotEncoder(categorical_features =
浏览 7提问于2020-01-19得票数 0
下面是代码：
import numpy as np
import pandas as pd
dataset = pd.read_csv('googleplaystore.csv')
X = dataset.iloc[:, :3].values
from sklearn.preprocessing import LabelEncoder, OneHotEncoder
labelencoder = LabelEncoder()
X[:, 1] = labelencoder.fit_transform(X[:, 1])
onehotencoder = OneHot
浏览 3提问于2019-04-01得票数 1
使用滑雪板并在categorical_features上获得一个错误。我知道这是不可取的，但我真的不知道该由谁来使用ColumnTransformer重做。任何帮助都很感激。
from sklearn.preprocessing import LabelEncoder, OneHotEncoder
y = houses_df['house_type'].values
y_labelencoder = LabelEncoder()
y = y_labelencoder.fit_transform(y)
y=y.reshape(-1,1)
onehotencoder = OneH
浏览 7提问于2021-11-07得票数 1
回答已采纳
这里df的形状是(190,2)，其中第一列是x，是一个范畴值，@nd列是整数。
X = df.iloc[:,0].values
y = df.iloc[:,-1].values
# Encoding categorical data
from sklearn.preprocessing import LabelEncoder, OneHotEncoder
labelencoder = LabelEncoder()
X = labelencoder.fit_transform(X)
X.reshape(-1,1)
onehotencoder = OneHotEncoder(categorie
浏览 3提问于2020-04-16得票数 1
回答已采纳
我正在尝试对逻辑回归模型进行超调优。我一直收到一个错误，因为“标签不存在”。这是一个收入分类器模型，其中label是收入列。我已经尝试使用互联网上提供的解决方案来解决这个问题，但我无法这样做，并从过去两天开始坚持这个问题。如果有人能帮我找出我的错误，那将是非常有帮助的。 cat_cols=['workclass','education','marital_status','occupation','relationship','race','sex','native_cou
浏览 26提问于2021-01-11得票数 1
回答已采纳
1回答
我在新的问题和博客上到处读到，从0.20版本开始，OneHotEncoder就能够处理字符串特性。
此外，文档看起来更加模糊。以下是文档中的前两行：
将分类整数功能编码为一个单一热点的数字数组。这个转换器的输入应该是一个类似数组的整数或字符串，表示由分类(离散)特性获得的值。
第一行说
对范畴整数特征进行编码
下一行说
输入应该像整数或字符串一样是数组。
当我尝试的时候，我仍然得到了值的错误。
print(X.columns)
encoder = OneHotEncoder(categorical_features=[1,4,5])
encoder.fit(X)
Index(['ag
浏览 0提问于2019-08-02得票数 2
1回答
我怎么能重写这段代码，这样它就可以使用sckit-learn 0.22版本了？
from sklearn.preprocessing import LabelEncoder, OneHotEncoderlabelencoder = LabelEncoder()
x[:,0] = labelencoder.fit_transform(x[:,0])
onehotencoder = OneHotEncoder(categories = 0)
x = onehotencoder.fit_transform(x).toarray()
浏览 3提问于2019-12-21得票数 0
回答已采纳
我需要将独立字段从字符串转换为算术符号。我正在使用OneHotEncoder进行转换。我的数据集有许多独立的列，其中一些列如下：
Country | Age
--------------------------
Germany | 23
Spain | 25
Germany | 24
Italy | 30
我必须对乡村列进行如下编码
0 | 1 | 2 | 3
--------------------------------------
1 |
浏览 0提问于2019-01-24得票数 24
回答已采纳
我编写了一个分类器，并使用LabelEncoder (LE)和OneHotEncoder (OHE)进行了数据预处理(这是分类数据)，它在训练和测试数据方面非常有效。现在，我想对新的数据进行预测。我的问题是:我如何转换与训练数据相同风格的LE和OHE的新数据(没有更好的词)？到目前为止我的代码是：
labelencoder_X = LabelEncoder()
X[:, 0] = labelencoder_X.fit_transform(X[:, 0])
X[:, 1] = labelencoder_X.fit_transform(X[:, 1])
onehotencoder = OneHo
浏览 4提问于2017-08-07得票数 0
1回答
这是我的代码
from sklearn import preprocessing
from sklearn.preprocessing import OneHotEncoder
labelencoder_X = preprocessing.LabelEncoder()
X[:,0] = labelencoder_X.fit_transform(X[:,0])
onehotencoder = OneHotEncoder(categories=[])
X = onehotencoder.fit_transform(X).toarray()
经过多次尝试，我还是不能解决这个错误
ValueError
浏览 12提问于2021-06-10得票数 0
当运行这段代码时，我得到一个错误，它指向数组的许多索引。我知道它是作为一维数组而不是二维数组读取的？我使用另一个列z= dataset.iloc:，:-1.values运行了这段代码，它工作得很好。
z = dataset.iloc[:, 135].values
from sklearn.preprocessing import LabelEncoder, OneHotEncoder
labelencoder_z = LabelEncoder()
z[:, 135] = labelencoder_z.fit_transform(z[:,135])
onehotencoder = OneHot
浏览 0提问于2018-10-25得票数 0
我建立了一个线性回归模型来预测一个产品的销售数字，在我的例子中，我有5个特性，其中4个是绝对的。
MONTH REGION INTERVENANT CONFIG WEIGHT SALES_NB
我用了OneHotEncoder
from sklearn.preprocessing import OneHotEncoder
onehotencoder = OneHotEncoder(categorical_features = [0,1,2,3])
X = onehotencoder.fit_transform(X).toarray()
X = X [:, 1:]
(如果我错了，请纠正我)
我想
浏览 0提问于2018-11-02得票数 0
回答已采纳
我正在运行以下脚本：
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
from sklearn.preprocessing import OneHotEncoder
dataset = pd.read_csv('data/50_Startups.csv')
X = dataset.iloc[:, :-1].values
y = dataset.iloc[:, 4].values
onehotencoder = OneHotEncoder(categorical_features=3,
浏览 0提问于2018-11-26得票数 5
回答已采纳
1回答
我是机器学习的新手。我有一个疑问:为什么在这里使用toarray()与单一编码，而不是标签编码。我什么都不知道。请有人帮忙。
from sklearn.preprocessing import LabelEncoder, OneHotEncoder
label_encoder_x = LabelEncoder()
x[:, 0] = label_encoder_x.fit_transform(x[:, 0])
onehotencoder = OneHotEncoder(categorical_features= [0])
x = onehotencoder.fit_transform(x).t
浏览 0提问于2018-10-17得票数 2
回答已采纳
1回答
我正在处理机器中的分类变量，Learning.Here是我的数据样本：
age,gender,height,class,label
25,m,43,A,0
35,f,45,B,1
12,m,36,C,0
14,f,42,A,0
有两个范畴变量，性别和身高，我使用了LabelEncoding技术。
我的代码：
import pandas as pd
import numpy as np
from sklearn.preprocessing import LabelEncoder,OneHotEncoder
df=pd.read_csv('test.csv')
X=df.dro
浏览 0提问于2018-06-17得票数 1
回答已采纳
3回答
单个列的热编码
、、、、
我试图在Iris数据集中的目标列(“物种”)上使用一个热编码器。
但我得到了以下错误：
ValueError:预期的2D数组，得到1D数组，而不是：
如果数据具有单个特性，则使用array.reshape(-1，1)或array.reshape(1，-1)对数据进行整形。
Id SepalLengthCm SepalWidthCm PetalLengthCm PetalWidthCm Species
0 1 5.1 3.5 1.4 0.2 Iris-setosa
1 2 4.9 3.0 1.4 0.2 Iris-se
浏览 0提问于2019-05-29得票数 4
回答已采纳
我正在处理一个大数据集(170万个样本)，并试图训练一个分类器。我在RandomForestClassifier上取得了很好的效果，现在我想用scikit-learn的permutation_importance方法对分类器进行排列特征分析。为此，我将预处理放入ColumnTransformer，并将其与分类器一起放入管道中。
我一直在做我的预处理和训练我的分类器作为单独的步骤，它需要大约6秒来训练一棵树。然而，当在流水线中设置时，同样的分类器大约需要5分钟来训练一棵树。我正在使用大量的树(请注意，我并不是在寻找对此的反馈)，这对我来说并不实用。
我在网络上进行了广泛的挖掘，但显然找不到合适的
浏览 0提问于2021-11-18得票数 0
我正在尝试使用Python的Scikit-learn将.csv文件中的所有文本数据编码为数字。我在数据类型为object的列上使用LabelEncoder和OneHotEncoder。在这种情况下，我想知道如何将新编码的列与原始的dataframe - df连接起来。我是个新手，真的很感谢你的帮助。下面是我的代码：
"""Encode all columns with type Object using LabelEncoder"""
columnsToEncode=df.select_dtypes(include=[object])
labe
浏览 0提问于2018-02-19得票数 4
回答已采纳
代码： onehotencoder = OneHotEncoder(categorical_features = [3]) 导致错误： TypeError: __init__() got an unexpected keyword argument 'categorical_features'
浏览 17提问于2020-01-08得票数 0
1回答
我试图将一个分类字符串列转换为几个虚拟变量二进制列，但我得到了一个值错误。
下面是代码：
import sys, os
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
from dateutil import parser
import math
import traceback
import logging
datasetMod = pd.read_csv('data.csv')
X = datasetMod.iloc[:, 3:6].values
y = datasetMod.i
浏览 4提问于2017-07-06得票数 1
回答已采纳
我在jupyter笔记本上运行了以下OneHotEncoder代码，很好：
ColumnTransformer(transformers=(‘transformers=_tnf’，OneHotEncoder(sparse=False，drop='first'),0,1,3,8,11)]，余数=‘旁路’)
它正在运行并给出输出，同时，我使用PyCharm作为Streamlit应用程序运行，其抛出错误为AttributeError：'OneHotEncoder‘对象没有属性'_infrequent_enabled’
浏览 6提问于2022-05-31得票数 2
2回答
我有一个Pandas有两个分类变量，ID变量和一个目标变量(用于分类)。我成功地用OneHotEncoder转换了分类值。这导致了一个稀疏矩阵。
ohe = OneHotEncoder()
# First I remapped the string values in the categorical variables to integers as OneHotEncoder needs integers as input
... remapping code ...
ohe.fit(df[['col_a', 'col_b']])
ohe.transform(
浏览 12提问于2016-07-21得票数 8
回答已采纳
我正在学习不同的方法来将分类变量转换为机器学习分类器的数值。我遇到了pd.get_dummies方法和sklearn.preprocessing.OneHotEncoder()，我想看看它们在性能和用法方面有何不同。
我找到了一个关于如何在上使用OneHotEncoder()的教程，因为sklearn文档对此功能帮助不大。我有一种感觉，我没有这样做，correctly...but
能否解释一下在pd.dummies sklearn.preprocessing.OneHotEncoder() 上使用 OneHotEncoder() 的优缺点，反之亦然？我知道OneHotEncoder()提供了一
浏览 90提问于2016-04-15得票数 116
回答已采纳
2回答
我尝试在我的输入集中生成如下形式的虚拟变量：My Input set 所以我对分类数据进行了编码，所以现在我的数组的格式是：Encoded input set 接下来，我想使用OneHot编码器创建虚拟变量。我知道它过去是这样工作的： onehotencoder = OneHotEncoder(categorical_features = [1])
X = onehotencoder.fit_transform(X).toarray() 但是现在OneHotEncoder类的工作方式有点不同了，我不知道如何调整它来适应我的数据集，所以它完全是这样工作的。我的代码： import numpy
浏览 20提问于2020-03-27得票数 0
我是一个机器学习的新手，并且尝试解决我使用OneHotEncoder类时遇到的一个错误。错误是：“预期的二维数组，得到一维数组代替”。所以，当我想到一维数组时，它是这样的：[1,4,5,6]和2D数组将是[[2,3], [3,4], [5,6]]，但我仍然不知道为什么会失败。它在这条线上失败了：
X[:, 0] = onehotencoder1.fit_transform(X[:, 0]).toarray()
这是我的全部代码：
# Import Libraries
import numpy as np
import matplotlib.pyplot as plt
import pandas
浏览 3提问于2017-12-24得票数 10
回答已采纳
1回答
在sklearn 0.22中，categorical_features参数将被删除，因此以下代码将不再可执行：
import numpy as np
from sklearn.preprocessing import OneHotEncoder
X = np.array([[1, 1], [2, 2], [1, 3]])
encoder = OneHotEncoder(categorical_features=[1], sparse=False)
print(encoder.fit_transform(X))
问题是，如何使用categories参数实现与上述代码相同的行为，因为OneHo
浏览 13提问于2019-11-14得票数 1
回答已采纳
我正在修一门机器学习课程，我需要改变我的分类价值观。以下是代码：
from sklearn.preprocessing import LabelEncoder, OneHotEncoder
LabelEncoder_X = LabelEncoder()
X[:,3] = LabelEncoder_X.fit_transform(X[:,3])
#One Hot encoding o variables dummy. Trata de convertir datos que no son
#numéricos a datos numéricos de 0 y 1.
onehotencoder
浏览 15提问于2022-06-18得票数 0
在输入随机森林模型之前，我使用OneHotEncoder来转换邮政编码：
from sklearn.preprocessing import OneHotEncoder
one_hot = OneHotEncoder()
encoded = one_hot.fit_transform(df[['zipcode']])
df[one_hot.categories_[0]] = encoded.toarray()
我应该从自变量中删除原始的"zipcode“列吗？还是滑雪板的原因？
我之所以问这个问题，主要是因为"zipcode“是第二个最重要的特性。这是所有热编码
浏览 3提问于2022-07-17得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
即时通信 IM
腾讯会议活动推荐
腾讯云开发者
