Question

我正在尝试学习机器学习。

我对一种热门编码有疑问：
我有一个数据集，分为2个excel数据表。一张纸上有火车，另一张纸上有测试数据。首先，我通过导入带有熊猫的火车数据表来训练我的模型。数据集中有一些分类特征必须进行编码。我一个热编码他们。

导入测试数据集后，如果我对它进行热编码，其编码将与火车数据集的编码相同还是不同。如果是这样，我该如何解决这个问题？

Answer 1

OneHot编码为每个类别或每个值创建二进制属性，一个属性等于1（否则为o）。一种属性等于1（热），而另一种属性等于0（冷）。

示例示例：-

from sklearn.preprocessing import OneHotEncoder
encoder = OneHotEncoder()
1hot = encoder.fit_transform(df_object.reshape(-1,1))
1hot

示例输出：-

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

您需要检查您适合oneHotEncoding的属性是否是相对接近的值。

Answer 2

您有2张单独的纸（用于测试和训练数据集）。在将它们导入到熊猫数据框中后，您必须对它们分别进行一次热编码。

和是的，对于相同的数据集，一种热编码将是相同的，无论您将其应用于不同的数据表，请确保在每个数据表的该列中具有相同的分类值< / p>

Python的一种热门编码方式

2 个答案: