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
闲人编程22 分钟前
从多个数据源(CSV, Excel, SQL)自动整合数据
python·mysql·数据分析·csv·存储·数据源·codecapsule
hsjkdhs1 小时前
C++之多层继承、多源继承、菱形继承
开发语言·c++·算法
B站_计算机毕业设计之家1 小时前
推荐系统实战:python新能源汽车智能推荐(两种协同过滤+Django 全栈项目 源码)计算机专业✅
大数据·python·django·汽车·推荐系统·新能源·新能源汽车
茯苓gao1 小时前
Django网站开发记录(一)配置Mniconda,Python虚拟环境,配置Django
后端·python·django
Full Stack Developme1 小时前
Python Redis 教程
开发语言·redis·python
码界筑梦坊1 小时前
267-基于Django的携程酒店数据分析推荐系统
python·数据分析·django·毕业设计·echarts
Cherry Zack1 小时前
Django视图进阶:快捷函数、装饰器与请求响应
后端·python·django
qq_4924484462 小时前
Jmeter设置负载阶梯式压测场景(详解教程)
开发语言·python·jmeter
lianyinghhh2 小时前
瓦力机器人-舵机控制(基于树莓派5)
人工智能·python·自然语言处理·硬件工程
ID_180079054732 小时前
京东获取整站实时商品详情数据|商品标题|数据分析提取教程
java·开发语言