Question

我是机器学习的新手scikit-learn。我正在浏览文档并尝试使用一些示例数据OneHotEncoder()。有人可以解释一下encoder.feature_indices_发生了什么，以及我如何将Encoded_Vector的输出作为[[ 0. 0. 1. 0. 1. 0. 0. 0. 1. 1. 0.]]。任何帮助表示赞赏。谢谢！

>>> from sklearn import preprocessing
>>> encoder = preprocessing.OneHotEncoder()
>>> encoder.fit([[0, 2, 1, 12], [1, 3, 5, 3], [2, 3, 2, 12], [1, 2, 4,3]])
    OneHotEncoder(categorical_features='all', dtype=<type 'numpy.float64'>,
   handle_unknown='error', n_values='auto', sparse=True)
>>> encoder.n_values_
array([ 3,  4,  6, 13])    
>>> encoder.feature_indices_
array([ 0,  3,  7, 13, 26])
>>> vector_encoded = encoder.transform([[2,3,5,3]]).toarray()
>>> print "\nEncoded_Vector =",vector_encoded
Encoded_Vector = [[ 0.  0.  1.  0.  1.  0.  0.  0.  1.  1.  0.]]
>>>

到目前为止，我的理解是

输入

0 2 1 12

1 3 5 3

2 3 2 12

1 2 4 3

这是4列/功能和4行。每列具有不同数量的唯一实体。如果我跑：

enc.n_values_

它给出：数组（[3,4,6,13]）

所以每个功能的类别都是：

要素1可以取3个值：0 1 2

特征2可以取4个值：0 1 2 3

特征3可以取6个值：0 1 2 3 4 5

特征4可以取13个值：0 1 2 3 4 5 6 7 8 9 10 11 12

Answer 1

即使您说您的功能可能总共需要3,4,6或13个值，但您提供的数据示例（[[0, 2, 1, 12], [1, 3, 5, 3], [2, 3, 2, 12], [1, 2, 4,3]]）并未涵盖您的各种数据。

你的例子基本上说：

要素1可以取3个值（0,1,2）
功能2可以采用2个值（2,3）
功能3可以采用4个值（1,2,4,5）
功能4可以采用2个值（3,12）

这最终总共有11个值。因此，OneHotEncoding（[[ 0. 0. 1. 0. 1. 0. 0. 0. 1. 1. 0.]]）的输出有11个值，可以分为4个部分：

[0。 0. 1.]是特征1的编码
[0。 1.]是功能2的编码
[0。 0. 0。1.]是特征3的编码
[1。 0.]是特征4的编码

＆＃34; 1的位置。＆＃34;在数组中将告诉您变量的值（尝试在编码之前和编码之后匹配示例）。

机器在Python中倾向于OneHotEncoding

1 个答案: