一个热编码器混淆

Question

这就是我所做的。我认为One热编码器有问题。

from sklearn.datasets import make_classification
from sklearn.feature_selection import RFE

X, y = make_classification(n_samples=50, n_features=10, random_state=10)
encoder = preprocessing.LabelEncoder()
encoder.fit(X)
X = encoder.transform(X)
print X
print X.shape
encoder = preprocessing.OneHotEncoder()
encoder.fit(X)
X = encoder.transform(X)

print encoder.feature_indices_
estimator = SVR(kernel="linear")
selector = RFE(estimator, 100, step=1)
selector = selector.fit(X, y)

在X上使用标签编码器后，我得到了一个形状（50，10）的数组（这是显而易见的）。但在进行了One hot编码后，我得到的特征索引如下。

[   0  499  987 1487 1968 2459 2957 3401 3886 4379 4868]

据我所知，2个索引之间的最大范围应该小于或等于行数，不是吗？即50。但我得到了500，而不是50。我是不是搞错了One hot编码，还是One hot编码器功能有其他问题？

（此示例仅用于演示我的问题）

Answer 1

行数并不重要，重要的是任何给定列（即特征）中跨行的值范围。当您打印X时，您将看到您在任何给定列中的值可能跨越1:500的整个范围。