python类别数据数字化LabelEncoder VS OneHotEncoder区别
作者：HZ在掘金 发布时间：2023-10-12 07:46:46
标签：python,LabelEncoder,OneHotEncoder,类别数据,数字化
LabelEncoder 和 OneHotEncoder 是什么
- 在数据处理过程中，我们有时需要对不连续的数字或者文本进行数字化处理。
- 在使用 Python 进行数据处理时，用 encoder 来转化 dummy variable（虚拟数据）非常简便，encoder 可以将数据集中的文本转化成0或1的数值。
- LabelEncoder 和 OneHotEncoder 是 scikit-learn 包中的两个功能，可以实现上述的转化过程。
- sklearn.preprocessing.LabelEncoder
- sklearn.preprocessing.OneHotEncoder
数据集中的类别数据
在使用回归模型和机器学习模型时，所有的考察数据都是数值更容易得到好的结果。
因为回归和机器学习都是基于数学函数方法的，所以当我们要分析的数据集中出现了类别数据(categorical data)，此时的数据是不理想的，因为我们不能用数学的方法处理它们。
例如，在处理男和女两个性别数据时，我们用0和1将其代替，再进行分析。
由于这种情况的出现，我们需要可以将文字数字化的现成方法。
LabelEncoder 和 OneHotEncoder 的区别
具体代码
import pandas as pd
from sklearn.preprocessing import LabelEncoder, OneHotEncoder
from sklearn.cross_validation import train_test_split
# 读取数据
data_df = pd.read_csv('https://archive.ics.uci.edu/ml/machine-learning-databases/'
'breast-cancer-wisconsin/wdbc.data', header=None)
# 前面的数据是特征，最后一列是标签label
x, y = data_df.values[:, :-1], data_df.values[:, -1]
# 先实例化一个对象
encoder_x = LabelEncoder()
# 对标签进行类别数据数字化
y = encoder_x.fit_transform( y )
来源：https://juejin.cn/post/7018066861132611591
0
投稿猜你喜欢
什么是特征金字塔很多文章里面写道特征金字塔这个结构，其实这个结构Very-Easy目标检测任务和语义分割任务里面常常需要检测小目标，但是小目- 在查询中执行下列语句 EXEC sp_attach_single_file_db @dbname = 'tggov_Data'
- 事件技术一般水平有限，有什么错的地方，望大家指正。事件就是用户和浏览器交互的一种途径。假如一个用户注册的功能，我们在填写完基本信息之后，点击
- orm查询优化1）only与referonly方法返回的是一个queryset对象，本质就是列表套数据对象该对象内只含有only括号所指定的
- 前言没想到python是如此强大，令人着迷，以前看见图片总是一张一张复制粘贴，现在好了，学会python就可以用程序将一张张图片，保存下来。
- 本文实例为大家分享了python爬取淘宝商品的具体代码，供大家参考，具体内容如下import requests as req import
- 本文主要介绍如何对多个文本进行读取，并采用正则表达式对其中的信息进行筛选，将筛选出来的信息存写到一个新文本。文本基础操作打开文件：open(
- php实现上传图片保存到数据库的方法。分享给大家供大家参考。具体分析如下：php 上传图片，一般都使用move_uploaded_file方
- 一、协程介绍协程：英文名Coroutine，是单线程下的并发，又称微线程，纤程。协程是一种用户态的轻量级线程，即协程是由用户程序自己控制调度
- 之前有个程序，里面有个时间部分是按照国内时区，也就是东八区，来写的，程序中定义了北京时间2点到八点进行检查；后面程序在国外机器上，例如说韩国
- 一、前言相关知识来自《python算法设计与分析》。初级排序算法是指几种较为基础且容易理解的排序算法。初级排序算法包括插入排序、选择排序和冒
- 在使用Python编写的应用的过程中，有时会遇到多个文件之间传递同一个全局变量的情况，此时通过配置文件定义全局变量是一个比较好的选择。首先配
- 学习器在测试集上的误差我们通常称作“泛化误差”。要想得到“泛化误差”首先得将数据集划分为训练集和测试集。那么怎么划分呢？常用的方法有两种，k
- 一、OS包的作用os包中的API主要可以帮助我们使用操作系统中的文件系统、权限系统、环境变量、系统进程，以及系统信号。对于类Unix的操作系
- 我就废话不多说了，大家还是直接看代码吧~<Form.Item label="作用对象"> &n
- 前言：我们常常想使用数组的方法，比如forEach，filter，又或者some等等来处理非数组的数据类型，那么在这些场景下，我们就需要将非
- 今天有个需要需要传递中文参数给URL但是在GBK环境下的脚本传递GBK的参数老是给我报UNICODE的解码错误。烦的很。所以我们果断选择用u
- 项目开发中文件的读写是必不可少的下面来简单介绍一下文件的读读文件，首先我们要有文件那我首先自己创建了一个文本文件password.txt内容
- fetchone() 返回单个的元组，也就是一条记录(row)，如果没有结果 则返回 Nonefetchall() 返回多个元组，即返回多个
- 背景：9月份有部分数据缺失，这部分数据在邮箱里，需要重新拉取，但是每天几百封邮件，总共有6、7万封邮件，使用stat()和retr(whic
