onehot在python(sklearn)中的使用方法，示例，代码实现

最新推荐文章于 2024-06-26 11:35:37 发布
最新推荐文章于 2024-06-26 11:35:37 发布
阅读量2k 收藏 4
点赞数
分类专栏： python onehot sklearn
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_30545831/article/details/104998994
版权
本文探讨了在使用sklearn进行数据分析时遇到的字符串类型转换问题，介绍了onehot编码的原因和方法。通过示例代码展示了如何对数据进行onehot编码以适应sklearn的数值型数据需求，同时讨论了旧版与新版onehotencoder的区别，指出新版无法选择特定列进行编码的问题，并邀请读者分享更优解决方案。
摘要由CSDN通过智能技术生成

首先强调一下，本篇博客是我实验得出来的结论，要是错了，可以在评论区指正，嘻嘻

接下来我会介绍以下三个内容

  • 为什么要用onehot
  • 怎么用

为什么要用onehot:

 假设你有一个这样的数据集，格式是csv或者arff格式：

体重 身高 ... class
胖 1 5 0 ... 不好看
瘦 1 6 0 ... 还可以
有点胖 1 8 0 ... 帅
有点瘦 1 5 0 ... 还可以

你现在需要对这个数据构建一个分类器，挖掘一些有用的信息，此时你想到了sklearn(真是个错误的决定)，你会发现如果你把这个数据集直接当成数据矩阵numpy,输入sklearn中的分类器中，编译器会提示你，类型错误，无法把string(或者btype)类型转成float....

经过我查阅多方资料，我才明白，原来sklearn中的数据默认得是全数值类型。一个非常好

最低0.47元/天 解锁文章
李莹斌XJTU
关注
专栏目录
对python sklearn one-hot编码详解
12-25
one-hot编码的作用 使用one-hot编码，将离散特征的取值扩展到了欧式空间，离散特征的某个取值就对应欧式空间的某个点 将离散特征通过one-hot编码映射到欧式空间，是因为，在回归，分类，聚类等机器学习算法中，特征之间距离的计算或相似度的计算是非常重要的，而我们常用的距离或相似度的计算都是在欧式空间的相似度计算，计算余弦相似性，基于的就是欧式空间。 sklearn的一个例子 from sklearn import preprocessing enc = preprocessing.OneHotEncoder() enc.fit([[0, 0, 3], [1, 1, 0], [0, 2
基于sklearn 的one hot encoding
bitcarmanlee的博客
05-21 3万+
1.one hot编码的由来在实际的应用场景中，有非常多的特征不是连续的数值变量，而是某一些离散的类别。比如在广告系统中，用户的性别，用户的地址，用户的兴趣爱好等等一系列特征，都是一些分类值。这些特征一般都无法直接应用在需要进行数值型计算的算法里，比如CTR预估中最常用的LR。那针对这种情况最简单的处理方式是将不同的类别映射为一个整数，比如男性是0号特征，女性为1号特征。这种方式最大的优点就是简单粗
【Python机器学习】分类向量——One-Hot编码（虚拟变量）
最新发布
weixin_39407597的博客
06-26 862
到目前为止，表示分类向量最常用的方法是使用one-hot编码或N取一编码，也叫虚拟变量。虚拟变量背后的思想是将一个分类变量替换为一个或多个新特征，新特征的取值为0和1，对于线性二分类的公式而言，0和1这两个值是有意义的，我们可以像这样对每个类别引入一个新特征，从而表示任意数量的类别。
Mysql使用过程中的几点
log2003的博客
10-06 208
Mysql使用过程中的几点1. 变量a) 系统变量b) 用户自定义变量2. 执行字符串3. 日志游标 使用Mysql实现一个存储过程，有以下几个结论： 1. 变量 Mysql中的变量，分系统变量和用户自定义变量： 系统变量：全局变量、会话变量； 用户自定义变量：用户变量和局部变量； a) 系统变量 系统变量有系统进行定义，服务于服务器；比如日志配置； 全局变量使用global关键字，会话变量使用session关键字，默认会话变量； show variables like '%log%'; set glo
sklearn onehot
luoganttcc的博客
06-24 453
from sklearn.preprocessing import OneHotEncoder, StandardScaler ohe_period = OneHotEncoder(handle_unknown='ignore') X_train_period = ohe_period.fit_transform(X[['label1']]) yy = ohe_period.transform(...
sklearn 独热编码onehot、标签编码（代码示例）
qq_43015237的博客
01-03 3385
标签编码LabelEncoder 若原数据有n个不同的元素，则将原数据中的元素按一定规律(如字典序)映射为[0, n)内的一个整数。例如，数据有三个不同元素，‘autumn’–0，‘spring’–1，‘summer’–2 独热编码OneHotEncoder 若原数据有n个不同的元素，则将原数据的元素映射为n维向量，向量中只有一位1，其余全0，这个“1”在向量中的位置索引就是标签编码的值。例如， ‘autumn’-–0–100， ‘spring’–—1–010， ‘summer’–2–001 当然，..
python数据处理之OneHot
i徒然
01-09 8354
1.OneHot变换 import pandas as pd df1=pd.DataFrame({'key':['a','b','c'],'data1':[1,2,3]}) print(df1) df2=pd.get_dummies(df1['key']) print(df2) df3=pd.get_dummies(df1) print(df3)  2.OneHot编码 手动实...
【sklearn】数据预处理之独热编码（含两种实现方式+代码理解）
wzk4869的博客
09-14 1万+
【sklearn】数据预处理之独热编码（含两种实现方式+代码理解）
手动实现One-Hot编码完整实现Python版
10-29
需要注意的是，手动实现One-Hot编码虽然有助于理解和掌握其工作原理，但在实际应用中，我们通常会使用如`pandas.get_dummies()`或`sklearn.preprocessing.OneHotEncoder`这样的库函数，因为它们更高效且能够自动处理...
python sklearn学习笔记大全（常见代码速查）
总裁余（余登武）博客
09-12 1980
skleran是python中常见的机器学习包，整理下笔记。方便查询。 常见模型 from sklearn.linear_model import LinearRegression#线性回归 lr=LinearRegression(normalize=True) #SVC，SVR from sklearn.svm import SVC,SVR svc=SVC(kernel='linear') #贝叶斯 from sklearn.naive_bayes import GaussianNB gnb=Gaus
python的scikit-learn将特征转成one-hot特征的方法
09-20
在Python的机器学习库scikit-learn中，提供了`OneHotEncoder`类来实现这一功能。下面我们将详细探讨如何使用scikit-learn的`OneHotEncoder`将特征转换为one-hot编码。 首先，我们需要了解one-hot编码的概念。One-...
sklearn综合示例9：分类问题的onehot与预测阈值调整
jediael_lu的专栏
07-16 3947
本文介绍了： 如何将多个标签做onehot，比如说总共有1000个标签，用户带了其中100个标签，那就是一个1000维的feautre，其中100维=1，其余900维=0。 调整分类算法的分类阈值，比如将LR中的默认阈值从0调整到0.9，降低recall提升精度。 各种算法的使用方式。 1、数据预处理 样本格式 最终得到的样本格式如下，第一列是label，第二列是一“|”分割的一些特征，可以理解为用户观看了哪部电影，喜欢哪本书，关注了哪个微博id等。 label,features 1,20018 0,2
深度学习——对标签进行One-hot编码
qq_38153403的博客
06-03 3006
import numpy as np from sklearn.preprocessing import LabelBinarizer def One_hot(labels): num_class=10 lb=LabelBinarizer().fit(np.array(range(num_class))) labels=lb.transform(labels) return label...
Sklearn之One-hot编码（编码方式、作用、适用场景）
热门推荐
小白白的博客
08-05 4万+
（作者：陈玓玏） 一、为什么要用做One-hot编码？ 在建模过程中，我们通常会碰到各种类型的属性，如果是标称型属性，也就是不具备序列性、不能比较大小的属性，通常我们不能用简单的数值来粗暴替换。因为属性的数值大小会影响到权重矩阵的计算，不存在大小关系的属性，其权重也不应该发生相应的变化，那么我们就需要用到One-hot编码（也有人称独热编码）这种特殊的编码方式了。 二、One-hot编码...
python sklearn preprocessing OneHotEncoder 独热编码 One-Hot
small__roc的博客
02-15 6951
文章目录一、One-Hot 简介二、小案例2.1 加载库2.2 随机生成数据集 --> dataframe2.3 通过 LabelEncoder 将分类变量打上数值标签2.4 进行one-hot编码2.5 转成 dataframe 形式2.6 columns 重命名三、自定义 OneHot 函数 一、One-Hot 简介    One-Hot编码，又称为一位有效编码，主要是采用N位状态寄存器来对N个状态进行编码，每个状态都由他独立的寄存器位，并且在任意时候只有一位有效。   One-Hot编码是分类变
python onehot_Python中的标签编码器和OneHot编码器
weixin_26737625的博客
09-10 563
python onehotMachine Learning algorithms understand the numbers and not texts. Hence, all the “text” columns must be converted into “numerical” columns to make it understandable for the algorithm. 中号 ...
one-hot的简单表示 python
是鲤鱼啊
05-17 433
import numpy as np def one_hot(CLASS_NUM, i): b = np.zeros(CLASS_NUM) b[i] = 1. return b print(one_hot(2,0)) print(one_hot(2,1)) print(*one_hot(2,1))#取出list里的元素 print('-----------------...
one-hot使用处理excel里面的文件，python代码
05-27
可以使用 pandas 库来处理 Excel 文件，同时使用 sklearn 中的 OneHotEncoder 进行 One-Hot 编码。以下是示例代码： ```python import pandas as pd from sklearn.preprocessing import OneHotEncoder # 读取 Excel 文件 df = pd.read_excel('data.xlsx') # 选取需要进行 One-Hot 编码的列 cols_to_encode = ['column1', 'column2'] # 对选取的列进行 One-Hot 编码 encoder = OneHotEncoder() encoded_cols = encoder.fit_transform(df[cols_to_encode]) # 将编码后的列添加到 DataFrame 中 for i, col in enumerate(encoder.get_feature_names(cols_to_encode)): df[col] = encoded_cols[:, i].toarray() # 保存处理后的 DataFrame 到 Excel 文件中 df.to_excel('processed_data.xlsx', index=False) ``` 其中，`data.xlsx` 是原始的 Excel 文件，`column1` 和 `column2` 是需要进行 One-Hot 编码的列，`processed_data.xlsx` 是处理后保存的 Excel 文件。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值