如何在 sklearn 中使用 OneHotEncoder 的输出？

Question

我有一个 Pandas 数据框，其中包含 2 个分类变量、ID 变量和一个目标变量（用于分类）。我设法用 OneHotEncoder 转换分类值。这导致稀疏矩阵。

ohe = OneHotEncoder()
# First I remapped the string values in the categorical variables to integers as OneHotEncoder needs integers as input
... remapping code ...

ohe.fit(df[['col_a', 'col_b']])
ohe.transform(df[['col_a', 'col_b']])

但我不知道如何在 DecisionTreeClassifier 中使用这个稀疏矩阵？特别是当我稍后想在我的数据框中添加一些其他非分类变量时。谢谢！

编辑 回复miraculixx的评论：我也在sklearn-pandas

中尝试了DataFrameMapper

mapper = DataFrameMapper([
    ('id_col', None),
    ('target_col', None),
    (['col_a'], OneHotEncoder()),
    (['col_b'], OneHotEncoder())
])

t = mapper.fit_transform(df)

但是我得到这个错误：

TypeError: no supported conversion for types : (dtype('O'), dtype('int64'), dtype('float64'), dtype('float64')).

Answer 1

我看到你已经在使用 Pandas，那为什么不使用它的 get_dummies 功能呢？

import pandas as pd
df = pd.DataFrame([['rick','young'],['phil','old'],['john','teenager']],columns=['name','age-group'])

结果

   name age-group
0  rick     young
1  phil       old
2  john  teenager

现在你用 get_dummies

编码

pd.get_dummies(df)

结果

name_john  name_phil  name_rick  age-group_old  age-group_teenager  \
0          0          0          1              0                   0   
1          0          1          0              1                   0   
2          1          0          0              0                   1   

   age-group_young  
0                1  
1                0  
2                0

您实际上可以在 Sklearn 的 DecisionTreeClassifier 中使用新的 Pandas DataFrame。

Answer 2

看看这个来自 scikit-learn 的例子： http://scikit-learn.org/stable/auto_examples/ensemble/plot_feature_transformation.html#example-ensemble-plot-feature-transformation-py

问题是您没有使用稀疏矩阵 xx.fit()。您正在使用原始数据。