python - 如何使用 OneHotEncoder categorical_features

Question

我在使用 OneHotEncoder 仅编码分类列并忽略连续列时遇到问题。无论我在 categorical_features 中指定什么，编码器都会对所有列进行编码。例如:

enc = preprocessing.OneHotEncoder()
enc.fit([[0, 40, 3], [1, 50, 0], [0, 45, 1], [1, 30, 2]])
OneHotEncoder(categorical_features=[0,2], 
   handle_unknown='error', n_values='auto', sparse=True)
print enc.n_values_
print enc.feature_indices_
enc.transform([[0, 45, 3]]).toarray()

我只想对第 1 列和第 3 列进行编码，将中间列(值 40、50、45、30)保留为连续值。所以我指定categorical_features=[0,2]，但无论我做什么，这段代码的输出仍然是:

[ 2 51  4]
[ 0  2 53 57]
Out[129]:
array([[ 1.,  0.,  0.,  0.,  1.,  0.,  0.,  0.,  0.,  1.]])

Answer 1

为什么要两次调用 OneHotEncoder 构造函数？ enc 已由默认构造函数创建，因此对于 enc 你有 categorical_features='all' (所有特征都是分类的)。据我了解，您需要这样的东西:

enc = OneHotEncoder(categorical_features=[0,2],
    handle_unknown='error', n_values='auto', sparse=True)
enc.fit([[0, 40, 3], [1, 50, 0], [0, 45, 1], [1, 30, 2]])
print(enc.n_values_)
print(enc.feature_indices_)
enc.transform([[0, 45, 3]]).toarray()

你将会拥有

[2 4]
[0 2 6]
Out[23]: array([[  1.,   0.,   0.,   0.,   0.,   1.,  45.]])