LabelBinarizer进行单分类和多分类one-hot编码

LabelBinarizer进行单分类和多分类one-hot编码

此种场景适用的字符串, 之间没有天然内在顺序

5.1 Encoding Nominal Categorical Feature¶
feature
# 加载库   使用LabelBinarizer  进行one-hot编码
import numpy as np
from sklearn.preprocessing import LabelBinarizer, MultiLabelBinarizer
​
feature = np.array([
    ["Texas"],
    ["California"],
    ["Texas"],
    ["Delaware"],
    ["Texas"]
])
​
array([[0, 0, 1],
       [1, 0, 0],
       [0, 0, 1],
       [0, 1, 0
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值