如何在 scikit learn、python 中处理名义数据？答案

【问题标题】：How to handle nominal data in scikit learn, python?如何在 scikit learn、python 中处理名义数据？
【发布时间】：2017-03-10 23:38:54
【问题描述】：

我是数据挖掘的新手。我有一个包含董事姓名的数据集。将它们转换为 Scikit 学习估计器可以毫无问题地使用的东西的正确方法是什么？

根据我在互联网上的发现，我认为 sklearn.preprocessing.LabelEncoder 是正确的选择。

【问题讨论】：

标签： python scikit-learn data-mining categorical-data

【解决方案1】：

是的，我认为 LabelEncoder 是正确的选择。以下示例来自 Scikit-Learn 文档。

le = preprocessing.LabelEncoder()
le.fit(["paris", "paris", "tokyo", "amsterdam"])
list(le.classes_) # ['amsterdam', 'paris', 'tokyo']
le.transform(["tokyo", "tokyo", "paris"]) # array([2, 2, 1]...)
list(le.inverse_transform([2, 2, 1])) # ['tokyo', 'tokyo', 'paris']

【讨论】：

【解决方案2】：

取决于您使用的模型类型，make_pipeline(LabelEncoder, OneHotEncoder) 或 pd.get_dummies) 是通常的选择，并且可以很好地与来自 linear_model 或 tree 的分类器配合使用。 LabelEncoder 本身是另一种选择，尽管除非您的标签上有自然排序（如教育程度或其他东西），或者除非您使用非常深的树，否则这不会很好地工作，可以分离单个标签.

【讨论】：

我要将“董事姓名”转换为整数，因此名称没有顺序（是吗？），那么我应该使用 OneHotEncoder？
是的，没错，我已经更详细地编辑了我的答案