scikit-learn column transformer- 具有不同离散值的列答案

【问题标题】：scikit-learn column transformer- columns with different discrete valuesscikit-learn column transformer- 具有不同离散值的列
【发布时间】：2022-11-28 21:26:17
【问题描述】：

我有大约 10 列离散数据的数据集，我很难将它们转换为可以执行机器学习的形式

我能够以这种方式转换仅包含 YES/NO 值的一列：

le = LabelEncoder()
X['ABC'] = le.fit_transform(X['ABC'])

看起来还可以

但是，如果我有不同于 YES/NO 的东西，例如具有 10 个不同值的本地化，我只有错误

from sklearn.feature_extraction import FeatureHasher
h = FeatureHasher(n_features=)
D = [{'dog': 1, 'cat':2, 'elephant':4},{'dog': 2, 'run': 5}]
f = h.transform(D)
f.toarray()

我尝试使用 featurehasher，但我不确定这是否是个好主意，我更改了示例代码以从列中获取数据，但出现信息错误：输入只能是字典

我也试过类似的东西：

ct = ColumnTransformer(transformers=[('encoder', OneHotEncoder(), [1])], remainder='passthrough')
X = np.array(ct.fit_transform(X))
X

但它也不起作用

有人可以给我一些提示或链接以获得好的教程吗？找了很多但是好像都不符合我的情况

【问题讨论】：

标签： python pandas machine-learning scikit-learn column-tansformer

【解决方案1】：

ColumnTransformer 和 OneHotEncoder 就差不多了，请参阅此处的示例以及它们各自的文档以使其正常工作。

https://www.geeksforgeeks.org/prediction-using-columntransformer-onehotencoder-and-pipeline/

使用 OneHotEncoder 表示猫的名义特征，使用 OrdinalEncoder 表示有序的猫特征。

使用 pandas.get_dummies() 有一个更简单的选择（但通常只用于笔记本和 EDA，而不是用于生产环境），它在语法上更简单。

您最初用于 LabelEncoder 的代码行，您可以以相同的方式应用 OneHotEncoder，而不必使用 ColumnTransformer。所以这对你也有用。

【讨论】：