Question

我的数据有一个名为level的功能，数据可能有级别（-1,0,1,2,3），但我的数据现在只有2级0和-1。我使用python进行二进制分类。如何对所有级别进行单热编码？处理这个问题的正确方法是什么？我可以在测试数据中包含我可能期望的所有级别吗？或者我应该只使用2个级别？

Answer 1

如果 X = [ - 1,0,1,2,3] ，对于onehot，您可以尝试：

from sklearn.preprocessing import OneHotEncoder
one_hot_enc=OneHotEncoder()
X_onehot=one_hot_enc.fit_transform(X.reshape(-1,1)) #reshape to convert 1-d array to 2-d array
print(X_onehot.toarray())

由于您的班级中有 -1 等负值，因此尝试one_hot会抛出

ValueError: X needs to contain only non-negative integers.

为此你可以先尝试标签编码：

from sklearn.preprocessing import LabelEncoder
enc=LabelEncoder()
x_new=enc.fit_transform(X)
print(x_new.classes_)

将 x_new 代替 X 至OneHotEncoder

Answer 2

让我在这个块中重写它。

列车数据的级别：

(-1, 0)

测试数据中的级别：

(-1, 0, 1, 2, 3)

我认为最好的方法是：

为列车数据创建2列（第1列将有1，其中值== -1，否则为0;第2列将有1，其中值== 0，否则为0）
测试数据中的组（1,2,3）
执行与第一个项目符号相同的编码，但对于组，您将在第一列中为0，在第二列中为0

因此，您通常会有2个级别（对于值== -1和值== 0）和第3级，其中一个热编码向量中的所有值都将等于零。

如果训练数据没有得到所有预期的类别，如何处理分类数据？

2 个答案: