使用sklearn来处理类别数据

最新推荐文章于 2024-07-26 15:23:07 发布

修炼之路

最新推荐文章于 2024-07-26 15:23:07 发布

阅读量1.1w

点赞数 8

分类专栏：机器学习 python机器学习实战

本文链接：https://blog.csdn.net/sinat_29957455/article/details/79452141

版权

python机器学习实战同时被 2 个专栏收录

43 篇文章 835 订阅 ¥9.90 ¥99.00

订阅专栏

超级会员免费看

机器学习

57 篇文章 21 订阅

订阅专栏

本文介绍了如何使用sklearn处理类别数据，包括有序特征的映射、类标的编码和标称特征的独热编码。有序特征通过整数映射，类标使用LabelEncoder编码，而标称特征采用OneHotEncoder进行无意义大小关系的编码，避免信息扭曲。

摘要由CSDN通过智能技术生成

在处理真实的数据集的时候，我们经常会遇见一个或多个的类别数据的特征。类别数据可以被分为标称特征(nominal feature)和有序特征(ordinal feature)。有序特征指的是类别的值是有序的或者是可以排序的，例如，衣服的尺码S、M、X、XL、XXL...就是属于有序特征。再例如，衣服的颜色，黑色、蓝色、白色、黄色...这些就属于标称特征。

一、有序特征的映射

我们可以将有序特征装换成为整数，整数包含一定的顺序。没有一个合适的方法可以自动将尺寸特征转换成为正确的顺序，所以我们需要手动来指定相应的映射关系。例如，S:1，M:2，X:3，我们可以利用pandas的map方法来实现。

import pandas as pd

if __name__ == "__main__":
    #定义衣服尺寸的映射关系
    size_mapping = {"S":1,"M":2,"X":3,"XL":4}
    #定义一个DataFrame数据
    data = pd.DataFrame([
        ["green","S",100],
        ["blue", "M", 110],
        ["red", &#