Scikit 学习 KBinsDiscretizer 产生不同的形状

【问题标题】：Sci-Kit learn KBinsDicretizer produces different shapeScikit 学习 KBinsDiscretizer 产生不同的形状
【发布时间】：2020-04-27 14:49:04
【问题描述】：

我需要对数据集的属性进行等宽离散化，然后继续绘制离散化与连续的值数据集。为此我需要完整的离散值数据集而不是稀疏矩阵

X,y = datasets[0]
enc = KBinsDiscretizer(n_bins=5 )
X_binned = enc.fit_transform(X)
print(pd.DataFrame.sparse.from_spmatrix(X_binned).shape)
print(X.shape)

输出：

(100, 10)
(100, 2)

谢谢

【问题讨论】：

标签： python pandas dataframe machine-learning scikit-learn

【解决方案1】：

问题是KBinsDiscretizer默认编码方式是onehot，这意味着转换后的结果将是每个特征得到的OneHot编码列。

您可以将编码设置为ordinal，以便将每个 bin 编码为整数值，从而保留形状：

enc = KBinsDiscretizer(n_bins=5, encode='ordinal')
X_binned = enc.fit_transform(x)

【讨论】：

谢谢你的工作，你能给出原因吗？如果我没记错的话，onehotencoding 是将分类值转换为离散值，以便分类器使用。那为什么它会产生 num_attributes*bins 的形状
OneHotEncoders 将一个分类变量转换为 n 个新列，每个类别对应一个特征采用 @aijax