使用数字和分类变量来使用sklearn拟合决策树

Question

在sklearn中对分类变量使用onehotencoding时，如何使用稀疏矩阵生成以及其他数值变量来拟合决策树？ 如果我使用OneHotEncoding将分类变量转换为稀疏矩阵，那么我如何将这个稀疏矩阵与原始数据集中的数值变量结合起来呢？

Answer 1

使用：

• OneHotEncoder，参数categorical_features索引要编码的功能（自动组合所有功能）
  • 默认情况下结果稀疏（使用transform）如果您没有更改sparse=True
• 或者：仅在变量子集上使用 OneHotEncoder 时，将这些值堆叠到原始值上：
  • scipy.sparse.hstack((onehot, original))
  • 其中onehot的形状为(n_samples, ?（取决于您的特征），而original的形状为(n_samples, ?