scikit learn 中的 OneHotEncoder 混淆答案

【问题标题】：OneHotEncoder confusion in scikit learnscikit learn 中的 OneHotEncoder 混淆
【发布时间】：2016-12-28 12:19:13
【问题描述】：

在 Python 2.7（miniconda 解释器）中使用。对下面关于OneHotEncoder 的示例感到困惑，为什么enc.n_values_ 输出是[2, 3, 4]？如果有人能帮忙澄清一下，那就太好了。

http://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.OneHotEncoder.html

>>> from sklearn.preprocessing import OneHotEncoder
>>> enc = OneHotEncoder()
>>> enc.fit([[0, 0, 3], [1, 1, 0], [0, 2, 1], [1, 0, 2]])  
OneHotEncoder(categorical_features='all', dtype=<... 'float'>,
       handle_unknown='error', n_values='auto', sparse=True)
>>> enc.n_values_
array([2, 3, 4])
>>> enc.feature_indices_
array([0, 2, 5, 9])
>>> enc.transform([[0, 1, 1]]).toarray()
array([[ 1.,  0.,  0.,  1.,  0.,  0.,  1.,  0.,  0.]])

问候，林

【问题讨论】：

标签： python python-2.7 machine-learning scikit-learn one-hot-encoding

【解决方案1】：

n_values 是每个特征的值数。

在这个例子中，

（X的形状是[n_samples, n_feature]）

对于第一个特征，有2个值：0、1；

对于第二个特征，有 3 个值：0、1、2。

对于第三个特征，有 4 个值：0、1、2、3。

因此，enc.n_values_ 是 [2, 3, 4]。

【讨论】：

谢谢yangjie，所以这3个样本分别是[0, 1, 0, 1]、[0, 1, 2, 0]和[3, 0, 1, 2]?
也对`[n_samples, n_feature], I thought it is n_samples` 行和n_feature 列感到困惑，但似乎并非如此，如果你能弄清楚，那就太好了。 :)
它是n_samples 行和n_feature 列。 X中有4个样本，每个样本有3个特征。
知道了，谢谢yangjie，你的描述比scikit learn文档清晰多了。 :)
将您的回复标记为答案，以造福他人。 :)

【解决方案2】：

我认为上述关于 n_values_ 的解释并不完整和清晰。我的解释 :-
有了这个：“n_values[i] 是分类值的数量 X[:, 我]。每个特征值都应该在 range(n_values[i]) " 这意味着 n_values_ 在列中给出范围(n_values[i]) = [0,n_values)。

这里：

from sklearn.preprocessing import OneHotEncoder
o = OneHotEncoder()
o.fit([[1,2,3], [1,2,3], [1,2,11] , [2,3,1]])
o.n_values_
array([3,4,12])

这里的结果是 3,4,12，所以你可以通过列更清楚地看到它，数组中的每个值都给出了范围。

所以按列的值是 range(3)、range(4)、range(12)。为了更清楚地理解，让我们再举一个例子：-

from sklearn.preprocessing import OneHotEncoder
o = OneHotEncoder()
o.fit([[1,2,3,100], [1,2,3,200], [1,2,11,300] , [2,3,1,400]])
o.n_values_
array([ 3, 4, 12, 401])

这证明它对于分类数据来说是按列显示的，并且每个特征值都在范围内（n_values_）

【讨论】：