基于来自单热编码列的多个条件的子集数据帧
是指在数据分析和机器学习中，通过使用单热编码（One-Hot Encoding）对多个条件进行编码，并将编码后的数据按照条件的组合形式进行子集化，得到的数据帧。
单热编码是一种将分类变量转换为二进制向量的技术。它将每个分类变量的每个可能取值都表示为一个二进制位，其中只有一个位为1，其余位为0。这样做的目的是为了在机器学习算法中能够处理分类变量，因为大多数算法只能处理数值型数据。
基于来自单热编码列的多个条件的子集数据帧可以用于数据挖掘、特征工程和模型训练等任务。通过对多个条件进行单热编码，并将编码后的数据按照条件的组合形式进行子集化，可以得到更加丰富和多样化的特征表示。这有助于提高模型的表达能力和预测准确性。
在腾讯云的产品生态中，可以使用腾讯云的数据处理服务和人工智能服务来处理基于来自单热编码列的多个条件的子集数据帧。例如，可以使用腾讯云的数据万象（Cloud Infinite）服务来进行数据预处理和特征工程，使用腾讯云的机器学习平台（Tencent Machine Learning Platform）来进行模型训练和推理。此外，腾讯云还提供了丰富的存储和计算资源，以支持大规模的数据处理和分析任务。
更多关于腾讯云相关产品和产品介绍的信息，您可以访问腾讯云官方网站：https://cloud.tencent.com/
相关·内容
1回答
假设我在数据帧中有分类特征。为了在数据帧上执行ML，我使用OneHotEncoderEstimator()对分类列进行了一次热编码，然后使用VectorAssembler()将所有特性组装到一个列中。在阅读Spark 时，我看到了如何使用VectorIndexer()在特征向量列中索引分类特征。如果我在形成特征向量列之前已经在分类列上执行了一次热编码，那么在它上应用VectorIndexer()有什么意义吗？
浏览 0提问于2019-01-17得票数 2
关于一个热门的特性编码，我有两个问题：
(1)当一次热编码时，删除第一个(或至少一个)热编码特性是否被认为是一种“最佳做法”，就像在经典统计中创建用于线性回归建模的虚拟变量一样？似乎ML从业者都是这样做的；是否存在明确的指导？
(2)处理具有数千个特征的范畴变量(大约6000)的一次热编码是最好的方法。这个数字特别高，因为数据集在一个热编码之前只有大约10个特征。请注意，这些类别在特性之间分布相当均匀。
浏览 0提问于2021-06-11得票数 2
我的数据集中有一个字符串类型的分类变量。我需要把它转换成数值，以便进一步处理。我知道表示分类数据的标准方法是使用一种热编码。但这将把变量的每个条目转换为一个向量。
sklearn的LabelEncoder将每个条目转换为标量值。我意识到这是一个非常天真，可能也很愚蠢的问题，但哪种表达方式更常用，是否有理由产生这种偏见？
浏览 0提问于2016-01-13得票数 3
我在为大型数据帧创建子集时遇到了问题。我需要提取与其中一列中两个正确城市之一匹配的所有行，但是我创建的任何子集最终都是空的。给定主要数据帧，我尝试：
New = data[data$Home.port %in% c("ARDGLASS","NEWLYN")]
但是，R返回“选定的未定义列”
浏览 0提问于2020-03-11得票数 0
1回答
I尝试将数据帧df2列的结果组合到另一个称为df的数据帧中，以便对其进行热编码并添加到df的管道中。
问什么是适当的顺序和方法将两者结合？
我的想法
要将我的主题标记数据框架的结果通过df2‘主题标签’列组合起来，以便对其进行热编码，然后将其作为第四个因素添加到推荐程序中。
我试过什么
我有两个独立的工作数据框架，所以我创建了df2，以便首先获得df 2‘主题标签’的结果，这样我就可以将它与其他数据框架(也就是df)结合起来。在此之前，这两个数据帧都是完全工作的。
代码
全码
数据集
df = pd.read_excel('dnd-dataframe.xlsx', sheet_
浏览 1提问于2020-07-03得票数 0
回答已采纳
2回答
我使用sklearn-learn在python中构建了一个随机森林，并对所有分类变量应用了“一热”编码。问:如果我将"one hot“应用到我的DV，我是将它的所有虚拟列都作为DV应用，还是应该以不同的方式处理DV？
浏览 4提问于2018-12-03得票数 3
2回答
我试着在旋转的熊猫数据框上使用热图表单海运，就像在超链接中一样。
df = pd.DataFrame(np.random.randint(1,100,size = (3,2)))
df.columns = ['A','B']
df
sns.heatmap(df, annot=True, fmt="d", linewidths=.5,cmap="RdYlGn")
输出选择45作为最小值，86作为最大值，并对整个数据帧进行颜色编码
但我无法做到的是按列应用热图，例如逐列应用条件格式，而不是整个数据帧。就像这个超链接中的例子一样-
对
浏览 3提问于2017-05-17得票数 5
首先，我是XGBoost的新手。原谅我的愚蠢。
以下是一个问题：
如何将dgCMatrix分解为两个矩阵(例如，训练和测试)？我的目标是使用这些矩阵进行XGBoost培训。当我使用一次热编码将所有的分类变量转换为数值变量时，我得到了dgCMatrix。我可以单独对训练数据集和测试数据集进行一次热编码吗？
我尝试过dummyVars (从包插入符号)进行一次热编码，但我的R会话由于某些原因而被中止，我不知道。
浏览 0提问于2016-09-05得票数 2
回答已采纳
数据帧A存在。 我想创建数据帧B，并在数据帧B中插入数据帧A中的某些列。 我不想使用列号，而是使用列名。 非常感谢！
浏览 7提问于2019-12-12得票数 2
回答已采纳
2回答
我有一个包含21个不同列的banking_dataframe，其中一个是目标，其中10个是数字特征，10个是分类特征。我已经使用pandas的get_dummies方法将分类数据转换为one-hot编码。返回的dataframe有74列。现在，我想将编码的数据帧与原始数据帧合并，这样我的最终数据就应该有一个分类列的热编码值，但数据帧的原始大小是21列。
Pandas的 to get_dummies函数：
对分类要素调用get_dummies的代码片段
encoded_features = pd.get_dummies(banking_dataframe[categorical_feature_
浏览 2提问于2019-08-01得票数 0
2回答
从其他熊猫栏创建新栏目
、、、
我想从列创建一个新的列。“类型”列包含一个或多个类型，我希望为每个类型名称创建一个列。然后，我想在每个专栏中填写1和0，这取决于它们是否有这种类型。
在下面的图片中，Dataframe应该是这样的。
我对此毫无头绪。
使用一个热编码器或熊猫假人功能立即不起作用，因为我得到了这样的东西
我不需要这样的东西
浏览 6提问于2022-05-12得票数 0
回答已采纳
我目前正在尝试为我拥有的数据集进行功能选择。大约有50个变量，其中35个是绝对变量，每个变量要么是二进制变量，要么是<5个可能值。我试着在预处理之前得到15个输入变量。
我试图使用递归功能消除交叉验证(RFECV)在科学工具包-学习。因为存在连续变量和范畴变量的混合，所以当我对我有两个问题的范畴进行编码时，我遇到了一些问题：
，，RFE是否仍然适用于一次热编码，并且它是否准确？，如何在所选特性对应的一次热编码之前得到哪些列？例如，如果它告诉我保留第20列，我如何知道哪一列对应于预处理前的列，以便将其保留为原始的输入变量。
我不打算包括预处理，但它所做的只是推测和一个热编码，没有列删除。
浏览 6提问于2020-07-19得票数 0
1回答
热图与变量间的相关性
、、、
我会有一个关于热图和变量之间的相关性的问题。我创建了这个热图，观察变量和目标之间可能的相关性。我得到的价值很小。我想设置一个小的阈值，例如0.05，用于选择特性。你认为这有意义吗，还是我应该把他们全部排除在外？
📷
浏览 0提问于2021-02-27得票数 1
回答已采纳
有人知道如何在RhoMobile应用程序中实现LOV (值列表)搜索吗？
我需要将一个字段与客户的代码放在一起，用户可以通过键入客户的名称来找到代码，这是超过一千个可能的值之一。
提前谢谢。
浏览 0提问于2010-08-17得票数 0
回答已采纳
1回答
我正致力于一个回归问题，并有一个分类功能‘类别’，可以采取多达1600类。
最重要的是，每个观察可以在该列中包含任意数量的类别。就像。第1行的类别列有'a‘(只有一个类别'a')，而第2行的类别列有'a’、'b‘、'x’(三个类别'a‘、'b’、'x')等等。
除了使用一个热编码器或散列向量器之外，处理回归问题的最优方法是什么？
浏览 0提问于2019-06-15得票数 0
我在一个数据帧中有许多列，它们是标志"0“和"1”。当我导入数据帧时，它们属于"integer“类。
0表示不存在，1表示所有列中都存在。
我需要将它们转换为因子吗?因子将成为级别1和2，而目前它们几乎是相似的0和1，尽管是整数
我计划稍后使用xgboost来构建一个预测模型。Xgboost只适用于数字列，所以如果我将列转换为factor的列，那么我将需要对它们进行一次热编码，以将它们转换为数字。
(附带问题:如果我们进行一次热编码来消除共线性，我们是否总是需要删除一列？)
浏览 38提问于2017-02-19得票数 1
回答已采纳
1回答
我有AAC-LC音频流直接来自音频编码器。
它是一个原始流，没有ADTS头，没有容器数据，因为我想流编码的音频直接到达。(在文件被保存之前)。
我想确定传入编码的原始AAC流中的帧边界/帧长度/包长度。(AAC具有可变的数据包长度。)
我可以搜索任何固定的帧头/模式，以便确定帧边界吗？
是否可以使用AAC？
提前感谢您的宝贵意见。
浏览 0提问于2012-12-14得票数 6
回答已采纳
1回答
在机器学习模型中表示关键字的所有可能方法是什么？
我注意到的两个问题是：
一个热编码，使用静态索引。
向量表示，使用嵌入层。
在处理客户端(浏览器) ml时，我们遇到了一个特定的问题，需要将文本数据转换为模型可以使用的东西，而无需将其发送到服务器。
编辑：(注释澄清)文本数据是从我们的脚本加载的页面中提取出来的，然后我们希望在浏览器上本地运行一个模型--使用页面中基于文本的特性(理想情况下)。我们正在最小化所有元素中发送到服务器所需的任何数据。
就模型而言，这在现阶段还没有定义，这个问题也主要涉及文本特征的表示。
浏览 0提问于2019-08-01得票数 1
1回答
我正在检查Kaggle竞赛IEEE，分类特征编码挑战，其中一种处理分类变量的方法是用列中变量的各自计数频率替换变量。我理解为什么我们需要转换变量，但是有人能解释一下为什么使用这种方法吗？它背后的逻辑到底是什么？
其次，我想知道是否有人愿意分享处理分类变量的其他技术(不包括明显的热编码)，或者为这些变量提供一些有趣的方法。谢谢!
浏览 0提问于2019-12-09得票数 4
我正在尝试使用python来使用RandomForestRegressor。我知道对于数字列，不需要缩放，因为只有一列会导致最大的信息增益用于拆分数据。然而，我们似乎仍然需要将分类值转换为数字，以便我们的机器能够理解。
我想比较一下labelEncoder和onehot编码，并想知道为什么首选前者。
我正在使用来自的数据集，并尝试预测PM2.5值
我的数据帧如下所示
year month day hour PM2.5 PM10 SO2 NO2 CO O3 TEMP PRES DEWP RAIN wd WSP
浏览 3提问于2021-01-16得票数 1
这听起来可能很复杂，但我还是要问：
我正在运行一个服务A，它使用X类。我想启动另一个服务B，它除了使用新的类之外，还使用类A。
服务--已经在运行。我对服务B进行了热部署。
这里是真正的问题-将服务B使用相同的类X实例或单独的实例。单身班怎么能帮我呢？
浏览 1提问于2009-09-29得票数 1
回答已采纳
我想使用一个循环函数来创建一个现有数据帧的子数据帧。我有一个数据框，它由10列和多行组成。其中一列被标记为“答案”，有三种可能的答案--“是”、“否”或“我不知道”。现在，我想使用一个循环，后跟一个if函数来创建一个数据框，该数据框由答案为‘我不知道’的所有行组成。在我提到的10列中，有3列是“姓名”、“主题”和“联系号码”。我的新数据框由包含“我不知道”的行组成，也需要包含前面提到的3列。我如何使用循环和if函数来创建这个新的数据框？
浏览 36提问于2021-01-28得票数 0
1回答
对于一个研究项目，我有一个相对较大的代码块，需要相当长的时间才能运行。需要缩短此程序运行所需的时间，因此运行profr来查看哪些函数占用的时间最多。问题是，我不理解这个符号。有没有人能给我解释一下，或者给我一个资源，解释一下这些是什么意思：
[<-.data.frame
[[.data.frame
[<-
[
[.factor
[.data.frame
[<-factor
？我意识到它们一定是R中用于创建新数据帧和子集数据帧的某种内部结构，我只是不知道是哪种。
谢谢。
浏览 3提问于2012-07-10得票数 1
回答已采纳
我计划使用数据来解决集群问题，其中包含一个具有二进制值的列--买进/卖出。
我应该转换这个属性并赋值给它二进制值(BUY=1，SELL=0)，并保持在同一列中，从而减少数字维数吗？
或
热编码属性(添加两列买卖，并将1放在适当的列上)？
这两种名义到数字转换方法如何影响流行聚类算法的最终模型(K均值、层次化等)
浏览 0提问于2020-02-26得票数 1
1回答
我从星火博士那里读了OHE的条目，
一次热编码将一列标签索引映射到一列二进制向量，最多只有一个值。这种编码允许期望连续特征(如Logistic回归)的算法使用分类特征。
但遗憾的是，他们并没有对OHE的结果做出充分的解释。然后运行给定的代码：
from pyspark.ml.feature import OneHotEncoder, StringIndexer
df = sqlContext.createDataFrame([
(0, "a"),
(1, "b"),
(2, "c"),
(3, "a"),
(4,
浏览 2提问于2017-02-17得票数 15
回答已采纳
我才刚开始学习火花。目前，我正试图对数据帧中的单个列执行一次热编码。但是，我不能从pyspark导入OneHotEncoderEstimator。我已经尝试导入了OneHotEncoder (在3.0.0中被删除)，spark可以导入它，但是它缺少转换功能。下面是我的代码的输出。如果有人遇到类似的问题，请帮助。非常感谢你抽出时间！！
浏览 2提问于2020-01-27得票数 6
回答已采纳
我正在学习read，其中一个练习是创建一个程序来读取“硫酸盐”或“硝酸盐”栏的意思。然而，我只能得到一个正确的平均值，而不是所有列。当我计算平均值时，你能给我一些帮助吗?当我计算平均值时，我如何对这两列进行子集？
下面是我为复制练习1而采取的步骤。创建一个文件列表#将所有文件合并到一个数据框架中。2.创建一个空的数据帧。3.循环遍历文件，然后将它们重新绑定到一起。4.数据帧子集5.列的计算平均值
pollutantmean <- function(directory,pollutant,id=1:132){
files_list <- list.files(directory,
浏览 5提问于2020-04-06得票数 0
回答已采纳
我有一个热编码的数据帧，例如： | qtd| a | b | c | d | e | ...z|
|-----+-----+-----|----|----+-----+-----|
| 90 | 1 | 0 | 0 | 0 | 0 | 0 |
| 10 | 0 | 0 | 0 | 0 | 0 | 1 |
| 40 | 0 | 1 | 0 | 0 | 0 | 0 |
| 80 | 0 | 0 | 1 | 0 | 0 | 0 |
| 90 | 0 | 1 | 0 | 0 |
浏览 12提问于2019-04-12得票数 1
回答已采纳
转换一个类似的系列有什么好处
>>> df
Color
0 Red
1 Blue
2 Green
3 Red
像下面这样的多个系列？
>>> pd.get_dummies(df)
Color_Blue Color_Green Color_Red
0 0 0 1
1 1 0 0
2 0 1 0
3 0 0
浏览 0提问于2018-01-24得票数 4
回答已采纳
我正在进行一个具有连续和分类功能的二进制分类项目。我知道RandomForest的R实现可以处理作为因子类型数据传入的分类数据。然而，Python的scikit学习实现需要对分类数据进行编码(例如，一个热的)。我对使用这两种实现获得的结果有什么不同感到好奇，我想知道是否有人知道RandomForest的python实现可以处理分类数据而不进行编码。
浏览 0提问于2020-10-22得票数 1
回答已采纳
我有一个有一个分类列的pyspark，该列正在通过.
si = StringIndexer(inputCol="LABEL", outputCol="LABEL_IDX").fit(df)
df = si.transform(df)
oh = OneHotEncoderEstimator(inputCols=["LABEL_IDX"], outputCols=["LABEL_OH"]).fit(df)
df = oh.transform(df)
当我看数据后，我看到一些一个热编码向量看起来像..。
(1,[],[])
我希望稀疏向
浏览 3提问于2020-01-17得票数 1
回答已采纳
假设我有一个数据集15列，它有2个类别列。这些列在200左右有许多不同的值。如果我们应用400热/虚拟变量，那么它将创建400列(针对上面提到的2列)。这是一个很好的处理方法还是有更好的方法来处理它。
浏览 0提问于2019-06-01得票数 0
我总共有大约80列，其中大约20列是分类的，需要标签编码。我检查了提供的解决方案，以及说明使用技术的解决方案。但是，特征哈希技术转换类似于单一热编码而不是标签编码。
示例：
Column1
RL
RL
RM
RL
RM
RM
在特性哈希之后，代码与一次热编码类似，如下所示：
Column1-RL Column1-RM
1 0
1 0
0 1
1 0
0 1
0 1
如何在Azure-ml中做类似的标签编码，使输出类似于：
Colum
浏览 1提问于2022-09-01得票数 0
1回答
在不重新分析我的数据的情况下，是否可以删除热图中不感兴趣的示例列？例如，我绘制了以下图
用热图2显示‘IL2.OKT 3’和'IL2‘之间30个差异表达基因。热图显示所有样本和捐献者的表达式模式，但是，我只想显示标记为“IL2”和“IL2.OKT 3”的示例列。如有任何反馈，将不胜感激。
浏览 2提问于2016-12-01得票数 0
回答已采纳
1回答
只有两个值的范畴变量
、、、、
我正在处理不同的数据集，这些数据集只有的分类变量/特性，只有两个值，例如(温度=‘低’和‘高’)或(light = 'on‘和'off'或'0’和'1')。
我不确定是否使用“单热编码”或标签编码“方法”来训练我的模型。我正在研究一个分类问题，并使用一些有监督的机器学习算法。
我使用了“标签编码”，并取得了很好的效果。我觉得我可能做错了什么。我不确定是否应该使用“一次热编码”。
对于只有两个值的范畴变量，应该使用哪种方法来转换变量？
浏览 5提问于2019-12-05得票数 0
给定letters列的['A', 'B','C']值为dataframe的df，我希望在数据value中获得许多列，其中每一行只有一个与原始分类值对应的非零值。
例如，来自dataframe的
letters
A
C
A
C
我想要：
A B C
1 0 0
0 0 1
1 0 0
0 0 1
现在对熊猫来说，这很容易：
dummies = pd.get_dummies(df.letters)
res = pd.concat([df, dummies], axis=1)
df.drop
浏览 2提问于2019-11-26得票数 2
回答已采纳
1回答
在我的java程序中，我有各种JFrame窗口。
我的主框架可以打开所有其他帧。我希望每个帧只能运行一个实例。我也希望能够将参数传递到框架中。
我应该使用Singleton来初始化类，然后传递参数吗？还是有更好的方法？
浏览 2提问于2015-08-17得票数 0
回答已采纳
我整晚都把头撞在墙上。我有多个数据帧，每个数据帧具有相同的一般列结构。对于每个数据帧，列都带有一个唯一的"_suffix“。数据帧之间有匹配的行。下面是一个示例：
cat_list <- c("mpg","spd","wt","price")
car <- c("bmw","mbz","lexus","bmw","mbz","lexus")
src <- c("usa","usa
浏览 2提问于2015-08-27得票数 1
回答已采纳
1回答
我有一个包含大约25000行和32列的数据帧。我想把这个数据集分成一个训练和测试测试(80/20)。但是，存在某些列1-热编码。现在，当拆分数据时，我希望将每个1-hot编码列的相同比例放入训练集。
col_1 col_2 .. col_31 col_32
1 0 0 0
1 0 0 0
...
0 0 1 0
0 0 1 0
因此，在训练集中应该有80%的行，
浏览 16提问于2020-05-25得票数 2
我第一次使用泰坦尼克号的数据集来尝试sklearn pipeline。我想首先计算Embarked中的缺失值，然后执行一次热编码。在Sex属性中，我只想做一次热编码。因此，我有以下步骤，其中两个步骤是针对Embarked的。但它并没有像预期的那样工作，因为除了输出中所示的一个热编码之外，Embarked列仍然存在(列具有'S')。 如果我在单个步骤中对Embarked执行补偿和一次热编码，它就会像预期的那样工作。 这背后的原因是什么，或者我做错了什么？此外，我也没有找到任何与此相关的信息。 categorical_cols_impute = ['Embarked
浏览 14提问于2021-01-04得票数 1
回答已采纳
我试图根据多个过滤条件在Pandas数据帧中的特定列中获得唯一值。以下是一些玩具代码：
df = pd.DataFrame({'Manufacturer':['<null', 'Mercedes', 'BMW', 'Audi', 'Audi', 'Audi', 'Audi', 'Audi', 'Mercedes', 'BMW'],
'Color':
浏览 2提问于2020-05-27得票数 0
回答已采纳
1回答
sklearn.naive_bayes.CategoricalNB是否与sklearn.naive_bayes.BernoulliNB相同，但列中有一个热编码？
无法从中完全猜到，而CategoricalNB有一个额外的参数alpha，我不明白它的目的。
浏览 4提问于2022-10-20得票数 1
回答已采纳
2回答
背景:我正在使用一个名义特性变量cancer_type和5不同的类来开发一个机器学习模型。
对此特性列进行一次热编码，将在新的数据框架中生成5列，每个类对应一个列。这些列链接的信息在此过程中丢失，因为模型无法知道它们引用的是相同的原始特性。列在某种意义上独立于模型的角度，而我们知道存在依赖关系。(任何一个热编码列中的1都要求所有其他列都必须有一个特定培训示例的0。)
问:单一热编码会导致信息丢失吗？
浏览 0提问于2022-12-09得票数 0
变量/特性之一是部门id，它类似于1001、1002、…、1218等等。id是标称的，不是序号的，也就是说，它们只是id，而部门1002绝不高于部门1001。我使用Scikit学习将这个特性提供给随机森林。我该怎么处理呢？
有些人说要使用一种热编码。然而，
另一些人说，一次热编码降低了随机森林的性能。
此外，我有超过200个部门，所以我将增加大约200个变量使用一个热编码。
但是，如果我只使用原始值，1001,1002等等，随机森林会认为部门1002高于部门1001吗？
谢谢。
浏览 0提问于2022-03-14得票数 5
回答已采纳
虽然调试与运行在KVM下的一组虚拟机的网络配置有问题，但我发现了一种情况，即来宾VM中的内核已经决定用一个目标地址标记出的以太网帧，该地址与它在尊重内核IP路由表时所选择的地址相冲突。
因此，在那个示例中，我期望将出站帧发送到de:ad: be :3b:24:48，它对应于拥有IP地址10.11.11.2并拥有一个路由到10.8.0.0/24的主机。
实际发生的情况是，内核决定用目的地为00:10:db:ff:70:01来标记帧，这会将帧发送到10.11.11.1方向，这不知道如何路由到10.8.0.0/24，因此丢包。
这一决定违反了当地的路由表，其中明确规定，通往10.8.0.0/24的路
浏览 0提问于2012-03-14得票数 2
回答已采纳
我有一个巨大的数据集，在特性中包含分类列，我的目标变量也是分类的。
所有的值都不是序数，所以我认为最好使用一个热编码。
但是我有一个问题，我的目标变量有90个类，所以如果我做一个热编码，就会有90列作为目标列，这将变得非常复杂。
但是，由于所有的值都不是序数，我可以为特征、分类列和目标变量应用一个热编码吗？
谢谢
浏览 0提问于2022-03-24得票数 0
1回答
我这里的数据集在概念上与问题中的数据集相似：，但不是这个：
我希望根据另一个数据帧中列的元数据信息对表中的列进行合并(或重新分组)。
以下是我的数据集的一个示例
organisms x1 x2 x3 x4 y1 y2 y3 y4
cat 1 1 5 0 1 0 1 3
dog 2 2 4 0 2 3 0 1
mouse 3 0 3 2 3 2 1 0
bird 4 3 2 1 2 7 2 0
这就是我想展示它的一种方式
organisms Extreme NotExtr
浏览 17提问于2017-02-07得票数 2
回答已采纳
每当我们有需要预处理的数据集时，在将其输入到模型之前，我们会将分类值转换为数值值，通常使用LabelEncoding、一种热编码等技术，但所有这些都是手动遍历每一列的。
但是，如果dataset在列方面是巨大的(例如: 2000列)，这里不可能手动遍历每一列，在这种情况下，我们如何处理编码？
是否有处理变量自动编码的特定库？我知道category_encoders，它提供了不同的编码技术，但我们如何在上述条件下做到这一点。
浏览 0提问于2020-11-05得票数 0
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
实时音视频活动推荐
腾讯云开发者
