本文介绍了在机器学习中，如何使用Label Encoder和One Hot Encoder对分类数据进行编码。Label Encoder将文本转换为数值，但可能导致顺序误解。为解决此问题，文章推荐使用One Hot Encoder，它将每个类别表示为单独的一列，用0和1表示，避免了顺序关系的错误解读。通过实例展示了编码过程。
标签编码(Label Encoder)
在本例中第一列是Country, 如果我们要运行任何模型， 数据中不能包含文本
所以要对文本进行处理
接下来，我们从sklearn库中导入LabelEncoder类
from sklearn.preprocessing import LabelEncoder
labelencoder = LableEncoder()
X[:, 0] = labelencoder.fit_transform(X[:, 0])
假设数据在X变量中，运行代码后，检查X的值，发现国家已经被1, 2, 3取代
Label Encoder的问题：
我们将一组国家名称编码成数据，实际上是分类数据，数据与数据之间
最低0.47元/天 解锁文章
2万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
