特征工程中的OneHotEncoder与DictVectorizer

最新推荐文章于 2025-11-13 09:43:48 发布

原创

最新推荐文章于 2025-11-13 09:43:48 发布 · 667 阅读

10 ·

CC 4.0 BY-SA版权

文章标签：

#sklearn #AI编程 #特征工程

本文详细介绍了OneHotEncoder用于将离散型变量转换为连续型以便于机器学习模型处理的方法，以及DictVectorizer如何将特征值映射的字典列表转换为向量。通过案例展示了这两个工具在实际应用中的操作和原理。

OneHotEncoder理解

作用

OneHotEncoder是一个常用的 数据预处理方法，它可以将离散型变量转换为连续型变量，使之更适于机器学习模型的应用。通常我们会使用Pandas处理数据读入之后，使用OneHotEncoder对离散数据进行转换。

应用场景

OneHotEncoder可以处理多种类型的数据集，其中最具代表性的应用场景是：当我们使用线性回归、逻辑回归等模型时，我们需要对离散型变量进行编码，将其转换为连续型变量。

案例

先看代码

import numpy as np
from sklearn.preprocessing import OneHotEncoder

enc = OneHotEncoder(handle_unknown='ignore')
X = [['Male', 1], 
     ['Female', 3], 
     ['Female', 2]]
#将所有的列都当成object类型进行处理，比如第2列的1，2，3，或者浮点数等等
enc.fit(X)

# 打印数组
# array([[0., 1., 1., 0., 0.],
#        [1., 0., 0., 0., 1.],
#        [1., 0., 0., 1., 0.]])
print(enc.transform(X).toarray())

# 打印稀疏矩阵
#  (0, 1)    1.0
#  (0, 2)    1.0
#  (1, 0)    1.0
#  (1, 4)    1.0
#  (2, 0)    1.0
#  (2, 3)    1.0
print(enc