python - Python 中的一种热门编码

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。一张纸有训练数据，另一张纸有测试数据。我首先通过使用 pandas 导入火车数据表来训练我的模型。数据集中有必须编码的分类特征。我对它们进行了热编码。

导入测试数据集后，如果我对其进行热编码，编码会与训练数据集相同还是不同。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)。一个属性等于 1(热)，而其他属性等于 0(冷)。

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.]])

您需要检查您在 oneHotEncoding 中拟合的属性是否是相对接近的值。