Python: 進行one-hot編碼
阿新 • • 發佈:2019-01-28
在機器學習中,one-hot編碼是對分類特徵進行預處理的常用手段。本篇部落格講解了如何利用sklearn來進行one-hot編碼。
舉一個簡單的例子:
>> 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=<... 'numpy.float64'>, 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.]])
首先確認一下輸入樣本[[0, 0, 3], [1, 1, 0], [0, 2, 1],[1, 0, 2]],
這個輸入樣本表示該input共有四個樣本,三個特徵,也就是三列。這裡我們觀察可以發現對於第一個feature,對應第一列,它的取值有0,1兩個屬性值,第二列有0,1,2三個值,第三個有0,1,2,3四個取值。那麼這裡的enc.n_values_就是每個屬性列不同屬性值的個數,所以輸出可以看到分別是2,3,4。而enc.feature_indices_是對enc.n_values_的一個累加。
enc.transform([[0, 1, 1]]).toarray()
這一句目標是將[0, 1, 1]這個樣本轉化為基於上面四個輸入的one-hot編碼。那麼可以得到:
第一個屬性值0,對應第一列:0->10
第二個屬性值1,對應第二列:1->010
第三個屬性值1,對應第三列:1->0100
所以[0, 1, 1]對應以上輸入的one-hot編碼為
[1,0,0,1,0,0,1,0,0]。