Question

我有一个准备好建模的数据框，它包含连续变量和一个热编码变量

[EditorGUILayout.BeginHorizontal][2]

所有数字变量均为'int64'，而一键编码的变量为'uint8'。二进制结果变量为DEFAULT_PAYMT。

在这里，我采用了通常的火车测试拆分方式，但是我想看看是否可以仅对int64变量（即未进行一次热编码的变量）应用standardscaler？

ID   Limit   Bill_Sep  Bill_Aug  Payment_Sep   Payment_Aug   Gender_M   Gender_F  Edu_Uni DEFAULT_PAYMT
1    10000   2000      350       1000          350           1          0         1          1
2    30000   3000      5000      500           500           0          1         0          0
3    20000   8000      10000     8000          5000          1          0         1          1
4    45000   450       250       450           250           0          1         0          1
5    60000   700       1000      700           1000          1          0         1          1
6    8000    300       5000      300           2000          1          0         1          0
7    30000   3000      10000     1000          5000          0          1         1          1
8    15000   1000      1250      500           1750          0          1         1          1

我正在尝试下面的代码，并且似乎可以正常工作，但是，不确定如何将未缩放的类别变量合并回X_scaled_tr和X_scaled_t数组中。感谢任何形式的帮助，谢谢！

featurelist = df.drop(['ID','DEFAULT_PAYMT'],axis = 1)
X = featurelist
y = df['DEFAULT_PAYMT']

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.20, random_state=42)
sc = StandardScaler()
X_train = sc.fit_transform(X_train)
X_test = sc.transform (X_test)

Answer 1

通过以下代码设法解决了这个问题，其中standardscaler仅应用于连续变量，而不是一键编码的变量

from sklearn.compose import ColumnTransformer

ct = ColumnTransformer([('X_train', StandardScaler(), ['LIMIT','BILL_SEP','BILL_AUG','PAYMENT_SEP','PAYMENT_AUG'])], remainder ='passthrough')

X_train_scaled = ct.fit_transform(X_train)
X_test_scaled = ct.transform(X_test)

火车测试拆分后，如何只标准化int64列？

1 个答案: