Question

我的数据集包含一个数字要素和一个分类要素。它只有20个观察结果（用于问题目的）。

X是一个形状（20,1）的numpy数组，如：

array([[10],  
   [465],  
   [3556],  
   [899],  
   [090], 
   ....]]

encoded_x是一个numpy形状的数组（20,4），就像：

array([[ 0.,  1.,  0.,  0.],
       [ 1.,  0.,  0.,  0.],
       [ 0.,  0.,  1.,  0.],
       [ 0.,  0.,  1.,  0.],
       ...................]]

问题：现在，如何合并这些数组以将它们作为Xgboost的输入？
最终阵列应该怎么样？
我的理解是数字特征不应该编码，这就是为什么我有两个不同的数组。

Answer 1

XGBoost方法与神经网络略有不同。它要求您为输入设置一个数值矩阵，这使您对的功能的看法不同。

从您的角度来看，有 2个功能：一个是分类，一个是数字。但是XGBoost会看到 5个功能，其中4个因为某些原因只需要两个值：0或1。 XGBoost不知道单热编码，它只看到数字。

因此，无论您如何编码分类特征（序数或一热），您都应该将所有结果数组连接成一个2D数组，并使其适合模型。

x1 = np.arange(20).reshape([-1, 1]) # numerical feature x2 = np.random.randint(0, 2, size=[20, 4]) # not one-hot, but still ok for XGBoost x = np.concatenate([x1, x2], axis=1) # now it's 5 XGBoost features

Xgboost OneHotEncoding：合并数字和编码数组

1 个答案: