机器倾斜 OneHotCoding in Python

Question

我是机器学习scikit-learn新手。我正在浏览文档并尝试使用一些示例数据进行OneHotEncoder()。有人可以解释一下encoder.feature_indices_发生了什么以及我如何获得Encoded_Vector的输出作为[[ 0. 0. 1. 0. 1. 0. 0. 0. 1. 1. 0.]].任何帮助，不胜感激。谢谢！

>>> from sklearn import preprocessing
>>> encoder = preprocessing.OneHotEncoder()
>>> encoder.fit([[0, 2, 1, 12], [1, 3, 5, 3], [2, 3, 2, 12], [1, 2, 4,3]])
    OneHotEncoder(categorical_features='all', dtype=<type 'numpy.float64'>,
   handle_unknown='error', n_values='auto', sparse=True)
>>> encoder.n_values_
array([ 3,  4,  6, 13])    
>>> encoder.feature_indices_
array([ 0,  3,  7, 13, 26])
>>> vector_encoded = encoder.transform([[2,3,5,3]]).toarray()
>>> print "nEncoded_Vector =",vector_encoded
Encoded_Vector = [[ 0.  0.  1.  0.  1.  0.  0.  0.  1.  1.  0.]]
>>>

到目前为止，我的理解是

输入

0 2 1 12

1 3 5 3

2

3 2 12

1 2 4 3

这是 4 列/功能和 4 行。每列都有不同数量的唯一实体。如果我运行：

enc.n_values_

它给出： 数组（[ 3， 4， 6， 13]）

因此，每个功能的类别是：

功能 1 可以取 3 个值：0 1 2

功能 2 可以取 4 个值：0 1 2 3

功能 3 可以取 6 个值：0 1 2 3 4 5

功能 4 可以取 13 个值：0 1 2 3 4 5 6 7 8 9 10 11 12

Answer 1

即使您说您的特征总共可以取 3、4、6 或 13 个值，您提供的数据示例 （ [[0, 2, 1, 12], [1, 3, 5, 3], [2, 3, 2, 12], [1, 2, 4,3]] ） 并未涵盖数据的全部种类。

你的例子基本上是这样说的：

• 功能 1 可以采用 3 个值 （0,1,2）
• 功能 2 可以取 2 个值 （2,3）
• 功能 3 可以取 4 个值 （1,2,4,5）
• 功能 4 可以取 2 个值 （3,12）

这最终总共有 11 个值。因此，OneHotEncoding （ [[ 0. 0. 1. 0. 1. 0. 0. 0. 1. 1. 0.]] ） 的输出有 11 个值，可以分为 4 个部分：

• [0. 0.1.] 是特征 1 的编码
• [0. 1.] 是特征 2 的编码
• [0. 0.0. 1.]是功能 3 的编码
• [1. 0.] 是特征 4 的编码

数组中"1."的位置将告诉您变量的值（尝试在编码之前和编码之后匹配示例）。