Python中的一种热编码答案

【问题标题】：One hot encoding in PythonPython中的一种热编码
【发布时间】：2018-12-17 19:25:36
【问题描述】：

我正在尝试学习机器学习。

我对一种热编码有疑问：
我有一个数据集分为 2 个 excel 数据表。一张有火车，另一张有测试数据。我首先通过使用 pandas 导入训练数据表来训练我的模型。数据集中有必须编码的分类特征。我对它们进行了热编码。

导入测试数据集后，如果我对其进行热编码，编码会与训练数据集相同还是不同。如果是这样，我该如何解决这个问题？

【问题讨论】：

你是如何执行 one-hot 编码的？手动或使用 sklearn。？
如果您的训练/测试集在分类中包含不同的值，您是一种热编码，那么您将返回不同的列。 IMO，您的选择是将训练/测试一起编码，或者编写一个函数以将适当的虚拟列添加到您的一个热编码训练/测试集中。

标签： python pandas machine-learning

【解决方案1】：

OneHot 编码为每个类别或每个值创建二进制属性，一个属性等于 1（否则为 o）。一个属性等于 1（热），而其他属性为 0（冷）。

示例：-

from sklearn.preprocessing import OneHotEncoder
encoder = OneHotEncoder()
1hot = encoder.fit_transform(df_object.reshape(-1,1))
1hot

样本输出：-

array([[0., 0., 0., 1., 0.],
       [0., 0., 0., 1., 0.],
       [0., 0., 0., 1., 0.],
       ...,
       [0., 1., 0., 0., 0.],
       [0., 1., 0., 0., 0.],
       [0., 1., 0., 0., 0.]])

您需要检查您在 oneHotEncoding 中拟合的属性是否是相对接近的值。

【讨论】：

【解决方案2】：

您有 2 张单独的工作表（用于测试和训练数据集）。在将工作表导入 pandas 数据框后，您必须分别对这两个工作表进行一次热编码。

并且是的，对于同一个数据集，一个热编码将是相同的，无论您应用在不同的数据表中，请确保您在每个数据表的该列中具有相同的分类值

【讨论】：