我正在使用这个作物农业数据集。为了使用它来创建神经网络，我使用 MinMaxScalar 对数据进行了预处理，这将在 0 和 1 之间缩放数据。但是我的数据集也包含分类列，因此在预处理过程中出现错误。所以我尝试使用 OneHotEncoder 和 LabelEncoder 对分类列进行编码，但我不明白如何处理它。
我的目标是预测“Crop_Damage”。
我该如何进行？
链接到数据集 - https://www.kaggle.com/aniketng21600/crop-damage-information-in-india
【问题讨论】：
标签： python-3.x tensorflow machine-learning keras neural-network
您有多种选择。
您可以使用一种热编码并将您的分类变量作为单热网络传递给网络。
您可能会从 NLP 及其处理中获得灵感。一个热向量是稀疏的并且可能非常大（取决于您的分类变量的唯一值）。请查看 Word2vec(cat2vec) 或 GloVe 技术。它们都旨在从分类元素创建非稀疏数字向量（有意义）。
除了这两个之外，keras 还提供了另一种方法来获取这个数字向量。它称为嵌入层。例如，假设您有以下值的可变作物伤害：
首先，您为分类变量的每个唯一值分配唯一整数。
比您将转换后的分类值（唯一整数）传递给嵌入层。嵌入层接受唯一整数的输入序列并产生密集向量序列。这些向量的值首先是随机的，但在训练期间会像神经网络的常规权重一样进行优化。所以我们可以说，在训练神经网络的过程中，根据损失函数构建了类别的向量表示。
对我来说，嵌入层是获得足够好的分类变量向量表示的最简单方法。但是，如果准确度满足您的要求，您可以先尝试一下。
【讨论】：
categorical-embedder 似乎是最佳的，但我仍然无法看到它如何适合神经网络
这是一个单热编码器。 df 是您正在使用的数据框，column 是名称 要编码的列。 prefix 是一个字符串，它附加到 pandas 假人创建的列名。会发生什么是新的虚拟列被创建并且 作为新列附加到数据框中。然后删除原始列。 Youtube here.上有一系列关于编码数据帧和其他主题的优秀视频
def onehot_encode(df, column, prefix):
df = df.copy()
dummies = pd.get_dummies(df[column], prefix=prefix)
df = pd.concat([df, dummies], axis=1)
df = df.drop(column, axis=1)
return df
【讨论】：