【机器学习算法应用与学习_3_代码API篇】2.0预处理

编码

独热编码

基于树的算法不需要独热编码。

1.pandas方法

from sklearn.datasets import load_iris
import pandas as pd
#创建数据集
data = pd.DataFrame({'one':[1,2,3],'two':[2,3,4],'city':[3,4,5]})
#对city独热编码
data =pd.get_dummies(data, columns=['city'])
data

 2.sklearn方法

from sklearn import preprocessing
enc = preprocessing.OneHotEncoder()
enc.fit([[0, 0, 3], [1, 1, 0], [0, 2, 1], [1, 0, 2]])    # fit来学习编码
enc.transform([[0, 1, 3]]).toarray()    # 进行编码

 标签编码

sklearn的决策时算法特征无法使用字符串特征，需要编码成数字。

from sklearn import preprocessing
column_a = preprocessing.LabelEncoder()
column_a.fit(X['column_a'])
column_a.classes_
X['column_a']=column_a.transform(X['column_a']) # Transform Categories Into Integers

https://zhuanlan.zhihu.com/p/35287916