Question

我正在尝试对我的Pandas数据帧的分类变量进行一次编码，其中包括分类变量和连续变量。我意识到这可以通过pandas .get_dummies（）函数轻松完成，但我需要使用管道，以便稍后生成PMML文件。

这是创建映射器的代码。我想编码的分类变量存储在名为“dummies”的列表中。

from sklearn_pandas import DataFrameMapper
from sklearn.preprocessing import OneHotEncoder
from sklearn.preprocessing import LabelEncoder

mapper = DataFrameMapper(
    [(d, LabelEncoder()) for d in dummies] +
    [(d, OneHotEncoder()) for d in dummies]
)

这是创建管道的代码，包括映射器和线性回归。

from sklearn2pmml import PMMLPipeline
from sklearn.linear_model import LinearRegression

lm = PMMLPipeline([("mapper", mapper),
                   ("regressor", LinearRegression())])

当我现在尝试拟合（'features'是一个数据帧，并且'目标'是一个系列）时，它会出现错误'无法将字符串转换为浮动'。

lm.fit(features, targets)

任何可以帮助我的人？我非常渴望工作流水线，包括数据预处理......提前致谢！

Answer 1

OneHotEncoder不支持字符串功能，而[(d, OneHotEncoder()) for d in dummies]则将其应用于所有虚拟列。请改用LabelBinarizer：

mapper = DataFrameMapper(
    [(d, LabelBinarizer()) for d in dummies]
)

另一种方法是使用LabelEncoder和第二个OneHotEncoder步骤。

mapper = DataFrameMapper(
    [(d, LabelEncoder()) for d in dummies]
)

lm = PMMLPipeline([("mapper", mapper),
                   ("onehot" OnehotEncoder()),
                   ("regressor", LinearRegression())])

如何在Sklearn管道中进行Onehotencoding

1 个答案: