【Machine Learning】特徵工程之獨熱編碼(One-hot Encoding)
阿新 • • 發佈：2019-02-01
一、獨熱編碼
當我們在機器學習做特徵工程時，如果某個categorical特徵具有多個符號值，則不可能對具有這種特徵的資料進行訓練,而獨熱編碼是解決這個問題的一種方法。比如我們有一個特徵是protocol_type有三個值：tcp，udp，icmp，那麼我們可以將三個名為tcp，udp，icmp的列追加到資料中，以表示protocol_type的值。最後，從資料中刪除protocol_type這一列，如下表所示。
二、程式碼示例
# -*- coding: utf-8 -*- import pandas as pd def one_hot(df): protocol_type_one_hot = pd.get_dummies(df["protocol_type"]) df = df.drop('protocol_type', axis=1) df = df.join(protocol_type_one_hot) return df if __name__=='__main__': df=pd.read_csv('data.csv') df=one_hot(df)
這個就是我們常在特徵工程中使用的獨熱編碼(One-hot Encoding)方法。