Question

我正在使用sklearn的OneHotEncoder，但想要转换我的数据。知道怎么做吗？

>>> from sklearn.preprocessing import OneHotEncoder
>>> enc = OneHotEncoder()
>>> enc.fit([[0, 0, 3], [1, 1, 0], [0, 2, 1], [1, 0, 2]])  
>>> 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.]])

但我希望能够做到以下几点：

>>> enc.untransform(array([[ 1.,  0.,  0.,  1.,  0.,  0.,  1.,  0.,  0.]]))
[[0, 1, 1]]

我将如何做到这一点？

对于上下文，我构建了一个神经网络来学习单热编码空间，并希望现在使用nn进行需要采用原始数据格式的真实预测。

Answer 1

用于反转单个热门编码项
见：https://stackoverflow.com/a/39686443/7671913

from sklearn.preprocessing import OneHotEncoder
import numpy as np

orig = np.array([6, 9, 8, 2, 5, 4, 5, 3, 3, 6])

ohe = OneHotEncoder()
encoded = ohe.fit_transform(orig.reshape(-1, 1)) # input needs to be column-wise

decoded = encoded.dot(ohe.active_features_).astype(int)
assert np.allclose(orig, decoded)

对于反转一个热门编码项目的数组，请参阅（如评论中所述）
看到： How to reverse sklearn.OneHotEncoder transform to recover original data?

鉴于sklearn.OneHotEncoder实例名为ohc，从ohc.fit_transform或ohc.transform输出的编码数据（scipy.sparse.csr_matrix）调出，并且原始数据的形状（n_samples，n_feature）恢复原始数据数据X用：

recovered_X = np.array([ohc.active_features_[col] for col in out.sorted_indices().indices])
            .reshape(n_samples, n_features) - ohc.feature_indices_[:-1]

在OneHotEncoder之后转换

1 个答案: