OneHotEncoder со строковыми категориальными значениями

У меня есть следующая матрица numpy:

M = [
    ['a', 5, 0.2, ''],
    ['a', 2, 1.3, 'as'],
    ['b', 1, 2.3, 'as'],
]
M = np.array(M)

Я хочу закодировать категориальные значения ('a', 'b', '', 'as'). Я попытался закодировать его с помощью OneHotEncoder. Проблема в том, что он не работает со строковыми переменными и генерирует ошибку.

enc = preprocessing.OneHotEncoder()
enc.fit(M)
enc.transform(M).toarray()

Я знаю, что мне нужно использовать categorical_features, чтобы показать, какие значения я собираюсь кодировать, и я думал, что, предоставив dtype, я смогу обрабатывать строковые значения, но не могу. Так есть ли способ закодировать категориальные значения в моей матрице?


python scikit-learn
person Salvador Dali    schedule 08.10.2015    source источник

Ответы (1)


arrow_upward
17
arrow_downward

Вы можете использовать DictVectorizer:

from sklearn.feature_extraction import DictVectorizer
import pandas as pd

dv = DictVectorizer(sparse=False) 
df = pd.DataFrame(M).convert_objects(convert_numeric=True)
dv.fit_transform(df.to_dict(orient='records'))

array([[ 5. ,  0.2,  1. ,  0. ,  1. ,  0. ],
       [ 2. ,  1.3,  1. ,  0. ,  0. ,  1. ],
       [ 1. ,  2.3,  0. ,  1. ,  0. ,  1. ]])

dv.feature_names_ содержит соответствие столбцам:

[1, 2, '0=a', '0=b', '3=', '3=as']

person hellpanderr    schedule 08.10.2015