【机器学习】特征工程多特征值序列化数值化独热编码处理(LabelEncoder, pd.factorize())

多特征值序列化数值化独热编码处理

当我们在运用某些模型时,比如在Scikit-learn中,它要求数据都得是numberic(数值型),若是文本类型就无法进行训练。

那么在这种情况下,我们就应该先对数据进行序列化数值化:

下面是几种在Python中数值化的方法:

1. 自然数编码 :   a) 使用sklearn中的LabelEncoder()方法,转换为数值型特征

                           b) 使用pd.factorize()函数

2. 独热编码(one-hot encoding):生成一个(n_examples * n_classes)大小的0~1矩阵,每个样本仅对应一个label

                           a) 使用pandas中的get_dummies实现

                           b) 使用OneHotEncoder() , LabelEncoder() , LabelBinarizer()  这些方法

自然数编码

a)LabelEncoder()方法

在所有事情开始之前,我们先引入最常用的两个包:

import pandas as pd
import numpy as np
fruit_data = pd.DataFrame({
    'fruit':  ['apple','orange','pear','orange'],
    'color':  ['red','orange','green','green'],
    'weight': [5,6,3,4]
})
   fruit   color  weight
0   apple     red       5
1  orange  orange       6
2    pear   green       3
3  orange   green       4

现在想要将‘fruit’和‘color’列的数据进行序列化数值化,我们可以用LabelEncoder()方法这么做:

from sklearn.preprocessing import LabelEncoder
fruit_data[['fruit','color']]=fruit_data[['fruit','color']].apply(LabelEncoder().fit_transform)
    fruit  color  weight
0      0      2       5
1      1      1       6
2      2      0       3
3      1   
  • 5
    点赞
  • 36
    收藏
    觉得还不错? 一键收藏
  • 2
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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