Python 之Scikit-learn(六) -- Scikit-learn提供的独热编码

独热编码(One-Hot Encoding)是一种常用的将分类数据转换为数值数据的技术。Scikit-learn 提供了 OneHotEncoder 类来方便地进行独热编码。下面是独热编码的原理、适用情况以及使用 Scikit-learn 进行独热编码的详细介绍和示例代码。

原理

独热编码是一种将分类变量转换为二进制向量的编码方式。每个类别都用一个独特的二进制向量表示,向量的长度等于类别的总数。在该向量中,只有一个元素是1,其他元素都是0。例如,有三个类别 ['cat', 'dog', 'mouse'],独热编码后将变为:

  • cat: [1, 0, 0]
  • dog: [0, 1, 0]
  • mouse: [0, 0, 1]

适用情况

独热编码适用于以下情况:

  • 分类变量需要转换为数值变量,供机器学习模型使用。
  • 适用于没有顺序的分类数据(如颜色、性别、城市等)。
  • 适用于大多数机器学习算法,特别是线性模型、树模型、神经网络等。

Scikit-learn 独热编码示例

下面是使用 Scikit-learn 进行独热编码的详细步骤和示例代码。

  1. 导入必要的库
python 复制代码
import numpy as np
from sklearn.preprocessing import OneHotEncoder
  1. 创建示例数据

假设我们有一个包含三个分类特征的数据集:

python 复制代码
data = np.array([
    ['cat', 'small', 'black'],
    ['dog', 'large', 'brown'],
    ['mouse', 'small', 'white'],
    ['cat', 'large', 'white'],
    ['dog', 'small', 'black']
])
  1. 初始化并应用 OneHotEncoder

首先,创建 OneHotEncoder 的实例。然后,使用 fit_transform 方法将分类特征转换为独热编码。

python 复制代码
encoder = OneHotEncoder()
encoded_data = encoder.fit_transform(data).toarray()
  1. 查看编码后的数据
python 复制代码
print(encoded_data)
  1. 获取编码后的特征名称
python 复制代码
print(encoder.get_feature_names_out())

完整示例代码

python 复制代码
import numpy as np
from sklearn.preprocessing import OneHotEncoder

# 创建示例数据
data = np.array([
    ['cat', 'small', 'black'],
    ['dog', 'large', 'brown'],
    ['mouse', 'small', 'white'],
    ['cat', 'large', 'white'],
    ['dog', 'small', 'black']
])

# 初始化 OneHotEncoder
encoder = OneHotEncoder()

# 应用 OneHotEncoder 进行独热编码
encoded_data = encoder.fit_transform(data).toarray()

# 输出编码后的数据
print("Encoded Data:")
print(encoded_data)

# 输出编码后的特征名称
print("Feature Names:")
print(encoder.get_feature_names_out())

结果

python 复制代码
Encoded Data:
[[1. 0. 0. 1. 0. 1. 0. 1.]
 [0. 1. 0. 0. 1. 0. 1. 0.]
 [0. 0. 1. 1. 0. 0. 0. 1.]
 [1. 0. 0. 0. 1. 0. 0. 1.]
 [0. 1. 0. 1. 0. 1. 0. 1.]]

Feature Names:
['x0_cat' 'x0_dog' 'x0_mouse' 'x1_large' 'x1_small' 'x2_black' 'x2_brown' 'x2_white']
相关推荐
旷世奇才李先生5 分钟前
Next.js 安装使用教程
开发语言·javascript·ecmascript
凛铄linshuo25 分钟前
爬虫简单实操2——以贴吧为例爬取“某吧”前10页的网页代码
爬虫·python·学习
牛客企业服务28 分钟前
2025年AI面试推荐榜单,数字化招聘转型优选
人工智能·python·算法·面试·职场和发展·金融·求职招聘
charlie11451419140 分钟前
深入理解Qt的SetWindowsFlags函数
开发语言·c++·qt·原理分析
胡斌附体40 分钟前
linux测试端口是否可被外部访问
linux·运维·服务器·python·测试·端口测试·临时服务器
likeGhee1 小时前
python缓存装饰器实现方案
开发语言·python·缓存
whoarethenext1 小时前
使用 C++/Faiss 加速海量 MFCC 特征的相似性搜索
开发语言·c++·faiss
项目題供诗2 小时前
黑马python(二十五)
开发语言·python
读书点滴2 小时前
笨方法学python -练习14
java·前端·python
慌糖2 小时前
RabbitMQ:消息队列的轻量级王者
开发语言·javascript·ecmascript