使用 sklearn 使用列转换器创建虚拟变量

Question

我一直在尝试使用ANN创建一个用于实践目的的DL模型。我有一个假银行的客户数据，其中有两个分类变量，即性别和国家。

我使用LabelEncoder对两列进行编码，但无法为国家/地区列创建虚拟变量。在时装中有三个国家，即法国，德国和西班牙。

我得到的错误：

值

错误：没有足够的值来解压缩(预期为 3，得到 2(

我的代码：

# Encodeing categorical data
# for country column
labelencoder_X_1 = LabelEncoder()
X[:, 1] = labelencoder_X_1.fit_transform(X[:, 1])
# for gender column
labelencoder_X_2 = LabelEncoder()
X[:, 2] = labelencoder_X_2.fit_transform(X[:, 2])
ct = ColumnTransformer(
transformers=[
("dummy_var",        # Just a name
OneHotEncoder( # The transformer class
categories=[[1]])            # The column(s) to be applied on.
)
], remainder='passthrough')
X = ct.fit_transform(X).toarray()
X = X[:, 1:]
# print(X)

PS：我在深度学习中使用Pycharm和新手。

提前感谢！

Answer 1

我认为您错误地在OneHotEncoder中给出了列名。它必须为ColumnTransformer付出

.试试这个！

ct = ColumnTransformer(
transformers=[
("dummy_var",        # Just a name
OneHotEncoder(), # The transformer class
[1]       # The column(s) to be applied on.     
)
], remainder='passthrough')

注意：您不必在OneHotEncoder之前应用labelEncoder。您可以直接应用OneHotEncoder。