scikit-learn 中 OneHotEncoder 解析

在 sklearn 包中，OneHotEncoder 函数非常实用，它可以实现将分类特征的每个元素转化为一个可以用来计算的值。本篇详细讲解该函数的用法，也可以参考官网 sklearn.preprocessing.OneHotEncoder。

该函数在 sklearn.preprocessing 类中，格式为：
下面展示一些 内联代码片。

oneHotEncoder(n_values=’auto’,  categorical_features=’all’,  dtype=<class ‘numpy.float64’>,  sparse=True,  handle_unknown=’error’)

为了方便理解，我们先看下面一个例子：
下面展示一些 内联代码片。

# -*- coding: utf-8 -*-

from sklearn.preprocessing import  OneHotEncoder

enc = OneHotEncoder()
enc.fit([[0, 0, 3],
         [1, 1, 0],
         [0, 2, 1],
         [1, 0, 2]])

ans = enc.transform([[0, 1, 3]]).toarray()  # 如果不加 toarray() 的话，输出的是稀疏的存储格式，即索引加值的形式，也可以通过参数指定 sparse = False 来达到同样的效果
print(ans) # 输出 [[ 1.  0.  0.  1.  0.  0.  0.  0.  1.]]

下面解释输出结果的意思。对于输入数组，这依旧是把每一行当作一个样本，每一列当作一个特征。
1）我们先来看第一个特征，即第一列 [0,1,0,1]，也就是说它有两个取值 0 或者 1，那么 one-hot 就会使用两位来表示这个特征，[1,0] 表示 0， [0,1]表示 1，在上例输出结果中的前两位 [1,0…]也就是表示该特征为 0

2）第二个特征，第二列 [0,1,2,0]，它有三种值，那么 one-hot 就会使用三位来表示这个特征，[1,0,0]表示 0， [0,1,0]表示 1，[0,0,1]表示 2，在上例输出结果中的第三位到第五位。 […0,1,0…]也就是表示该特征为 1

3）第三列 [3,0,1,2]，它有四种值，那么 one-hot 就会使用四位来表示这个特征，[1,0,0,0]表示 0， [0,1,0,0]表示 1，[0,0,1,0]表示 2，[0,0,0,1]表示 3，在上例输出结果中的最后四位 […0,0,0,1]也就是表示该特征为 3好了

到此相信我们已经很明白它的意思了。值得注意的是，虽然训练样本中的数值仅仅代表类别，但是也必须使用数值格式的数据，如果使用字符串格式的数据会报错。

原网址:https://www.cnblogs.com/zhoukui/p/9159909.html