• 如何進行數字編碼。 對于次序型特征，手工編碼轉換表，然后使用Pandas的map函數。對于名義型特征，可以使用sklean提供的LabelEncoder類。

buying_dict = {"low":0,"med":1,"high":2,"vhigh":3} car_num_encoded["buying"] = car_num_encoded["buying"].map(buying_dict) car_num_encoded["buying"].head(5)from sklearn.preprocessing import LabelEncoder buying_encoder = LabelEncoder() encoded_buying = buying_encoder.fit_transform(car["buying"]) buying_encoder.inverse_transform([0,1,2,3])

• 如何進行One-Hot編碼。 有兩個工具可以幫助我們方便地完成：pandas自帶的get_dummies函數和sklearn實現的OneHotEncoder類。

car_onehot_encoded = pd.DataFrame()for col in ["buying","maint","doors","persons","lug_boot","safety"]:col_encoded = pd.get_dummies(car[col],prefix = col+"_")car_onehot_encoded = pd.concat([car_onehot_encoded, col_encoded],axis=1)car_onehot_encoded.head(5)

• 如何將數據集劃分成訓練集和測試集。 使用sklearn實現的train_test_split函數。如果要保持訓練集和測試集樣本類別的均衡，記得設置stratify參數。

from sklearn.model_selection import train_test_split X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.4, stratify = y, random_state=42)

總結

以上是生活随笔為你收集整理的特征编码的一些技巧的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。