离散特征的编码分为两种情况：
1、离散特征的取值之间没有大小的意义，比如color：[red,blue],那么就使用one-hot编码
2、离散特征的取值有大小的意义，比如size:[X,XL,XXL],那么就使用数值的映射{X:1,XL:2,XXL:3}
使用pandas可以很方便的对离散型特征进行one-hot编码
import pandas as pd df = pd.DataFrame([ ['green', 'M', 10.1, 'class1'], ['red', 'L', 13.5, 'class2'], ['blue', 'XL', 15.3, 'class1']]) df.columns = ['color', 'size', 'prize', 'class label'] size_mapping = { 'XL': 3, 'L': 2, 'M': 1} df['size'] = df['size'].map(size_mapping) class_mapping = {label:idx for idx,label in enumerate(set(df['class label']))} df['class label'] = df['class label'].map(class_mapping)
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
|
import
pandas
as
pd
df
=
pd
.
DataFrame
(
[
[
'green'
,
'M'
,
10.1
,
'class1'
]
,
[
'red'
,
'L'
,
13.5
,
'class2'
]
,
[
'blue'
,
'XL'
,
15.3
,
'class1'
]
]
)
df
.
columns
=
[
'color'
,
'size'
,
'prize'
,
'class label'
]
size_mapping
=
{
'XL'
:
3
,
'L'
:
2
,
'M'
:
1
}
df
[
'size'
]
=
df
[
'size'
]
.
map
(
size_mapping
)
class_mapping
=
{
label
:
idx
for
idx
,
label
in
enumerate
(
set
(
df
[
'class label'
]
)
)
}
df
[
'class label'
]
=
df
[
'class label'
]
.
map
(
class_mapping
)
|
说明：对于有大小意义的离散特征，直接使用映射就可以了，{‘XL’:3,’L’:2,’M’:1 }
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
