One-hot 编码后的预测

Question

我正在尝试使用示例数据框：

data = [['Alex','USA',0],['Bob','India',1],['Clarke','SriLanka',0]]

df = pd.DataFrame(data,columns=['Name','Country','Traget'])

现在从这里开始，我使用 get_dummies 将字符串列转换为整数：

column_names=['Name','Country']  

one_hot = pd.get_dummies(df[column_names])  

转换后的列是： 年龄,Name_Alex,Name_Bob,Name_Clarke,Country_India,Country_SriLanka,Country_USA

切片数据。

x=df[["Name_Alex","Name_Bob","Name_Clarke","Country_India","Country_SriLanka","Country_USA"]].values  

y=df['Age'].values

在训练和测试中拆分数据集

from sklearn.cross_validation import train_test_split

x_train,x_test,y_train,y_test=train_test_split(x,y,train_size=float(0.5),random_state=0)

逻辑回归

from sklearn.linear_model import LogisticRegression

logreg = LogisticRegression()

logreg.fit(x_train, y_train)

现在，模型已经训练完毕。

对于预测，假设我想通过给出“名称”和“国家”来预测“目标”。
喜欢：["Alex","USA"]。

预测。

如果我用这个：

logreg.predict([["Alex","USA"]).    

显然它不会起作用。

问题1）在训练过程中应用one-hot encoding后如何测试预测？

问题2）如何对仅包含“名称”和“国家/地区”的示例 csv 文件进行预测？

Answer 1

我建议你使用 sklearn 标签编码器和一个热门的编码器包，而不是 pd.get_dummies。

一旦您初始化标签编码器和每个特征一个热编码器，然后将其保存在某处，这样当您想要对数据进行预测时，您可以轻松导入保存的标签编码器和一个热编码器并再次编码您的特征。

通过这种方式，您可以再次以与制作训练集时相同的方式对特征进行编码。

下面是我用来保存编码器的代码：

labelencoder_dict = {}
onehotencoder_dict = {}
X_train = None
for i in range(0, X.shape[1]):
    label_encoder = LabelEncoder()
    labelencoder_dict[i] = label_encoder
    feature = label_encoder.fit_transform(X[:,i])
    feature = feature.reshape(X.shape[0], 1)
    onehot_encoder = OneHotEncoder(sparse=False)
    feature = onehot_encoder.fit_transform(feature)
    onehotencoder_dict[i] = onehot_encoder
    if X_train is None:
      X_train = feature
    else:
      X_train = np.concatenate((X_train, feature), axis=1)

现在我保存这个 onehotencoder_dict 和标签 encoder_dict 并在以后使用它进行编码。

def getEncoded(test_data,labelencoder_dict,onehotencoder_dict):
    test_encoded_x = None
    for i in range(0,test_data.shape[1]):
        label_encoder =  labelencoder_dict[i]
        feature = label_encoder.transform(test_data[:,i])
        feature = feature.reshape(test_data.shape[0], 1)
        onehot_encoder = onehotencoder_dict[i]
        feature = onehot_encoder.transform(feature)
        if test_encoded_x is None:
          test_encoded_x = feature
        else:
          test_encoded_x = np.concatenate((test_encoded_x, feature), axis=1)
  return test_encoded_x