Tensorflow Python：多类标签的方法

Question

我正在使用鲍鱼数据集（https://archive.ics.uci.edu/ml/datasets/Abalone），它具有某些鲍鱼的数据，并具有性别，直径，长度和体重等特征。 我希望能够使用直径，长度和体重特征来预测性别，即男性，女性和婴儿（您以为是2019年）。

我目前正在这样做，所以我只是将0，F替换为1，将I替换为2，将I替换为2。据我了解，这是一种密集编码，从我所做的工作来看，它工作得很好。但是我想使用一种叫做“一键编码”的东西，我已经尝试了多种方法，但是我一直在遇到尺寸错误，并且找不到任何资源。

我当前的方法：

abalone_dataframe = pd.read_csv("abalone.csv")
abalone_dataframe.dropna()
abalone_dataframe = abalone_dataframe.reindex(np.random.permutation(abalone_dataframe.index))
#Male 0, Female 1, Infant 2
mapping = {"M" : 0, "F" : 1, "I" : 2}
abalone_dataframe = abalone_dataframe.replace({"sex" : mapping})
abalone_dataframe

如何做到这一点，所以我使用一键编码而不是密集映射？

Answer 1

尝试

from sklearn.preprocessing import OneHotEncoder
sex_label = abalone_dataframe['sex'].values
sex_label_onehot = OneHotEncoder(sparse=False).fit_transform(sex_label .reshape(-1,1))