Python之category-encoders：category-encoders库的简介、安装、使用方法之详细攻略

Python之category-encoders：category-encoders库的简介、安装、使用方法之详细攻略

 

 

 

 

目录

category-encoders库的简介

1、支持15种不同编码

category-encoders库的安装

category-encoders库的使用方法

1、一个无监督的例子

2、一个有监督的例子

---

 

 

 

 

category-encoders库的简介

           一组scikit-learn风格的转换器，用不同的技术将类别变量编码成数字。一组scikit-learn风格的转换器，用不同的技术将分类变量编码成数字。虽然序数编码、单热编码和散列编码在现有scikit-learn版本中具有类似的等价性，但这个库中的变形金刚都有一些有用的特性:

• 对pandas数据文件作为输入(可选作为输出)的一流支持
• 可以显式配置数据中的哪些列按名称或索引编码，或推断非数字列，而不管输入类型
• 可以根据训练集随意删除任何方差很低的列吗
• 可移植性:培训数据转换器，pickle它，以后重用它，然后得到同样的东西。
• 完全兼容sklearn管道，输入一个类似数组的数据集，像任何其他转换器

 

1、支持15种不同编码

1. Backward Difference Coding
2. BaseN
3. Binary
4. CatBoost Encoder
5. Count Encoder
6. Generalized Linear Mixed Model Encoder
7. Hashing
8. Helmert Coding
9. James-Stein Encoder
10. Leave One Out
11. M-estimate
12. One Hot
13. Ordinal
14. Polynomial Coding
15. Sum Coding
16. Target Encoder
17. Weight of Evidence
18. Wrappers

 

 

文档：http://contrib.scikit-learn.org/category_encoders/

 

category-encoders库的安装

pip install category-encoders

 

 

category-encoders库的使用方法

        有两种类型的编码器:无监督和有监督的。

1、一个无监督的例子

from category_encoders import *
import pandas as pd
from sklearn.datasets import load_boston

# prepare some data
bunch = load_boston()
y = bunch.target
X = pd.DataFrame(bunch.data, columns=bunch.feature_names)

# use binary encoding to encode two categorical features
enc = BinaryEncoder(cols=['CHAS', 'RAD']).fit(X)

# transform the dataset
numeric_dataset = enc.transform(X)

 

 

2、一个有监督的例子

from category_encoders import *
import pandas as pd
from sklearn.datasets import load_boston

# prepare some data
bunch = load_boston()
y_train = bunch.target[0:250]
y_test = bunch.target[250:506]
X_train = pd.DataFrame(bunch.data[0:250], columns=bunch.feature_names)
X_test = pd.DataFrame(bunch.data[250:506], columns=bunch.feature_names)

# use target encoding to encode two categorical features
enc = TargetEncoder(cols=['CHAS', 'RAD'])

# transform the datasets
training_numeric_dataset = enc.fit_transform(X_train, y_train)
testing_numeric_dataset = enc.transform(X_test)