OneHotEncoder 类别参数

Question

在 sklearn 0.22 中，categorical_features 参数将被删除，因此以下代码不再可执行：

import numpy as np
from sklearn.preprocessing import OneHotEncoder

X = np.array([[1, 1], [2, 2], [1, 3]])
encoder = OneHotEncoder(categorical_features=[1], sparse=False)

print(encoder.fit_transform(X))

问题是，我如何使用类别参数实现与上述代码相同的行为，因为 OneHotEncoder(categories=[[1, 2], [1, 2, 3]], sparse=False) 也会对第一列进行编码，而 OneHotEncoder(categories=[[1, 2, 3]], sparse=False) 会抛出一个错误

Answer 1

好的，所以基本上你想对第二列 [1,2,3] 进行单热编码，并保持第一列 [1,2,1] 通过。在较新的 sklearn 版本中，您可以使用 ColumnTransformer 来组合不同的预处理过程，如下所示：

import numpy as np
from sklearn.compose import ColumnTransformer
from sklearn.preprocessing import OneHotEncoder

X = np.array([[1, 1], [2, 2], [1, 3]])
encoder = ColumnTransformer(
    [('number1', OneHotEncoder(dtype='int'), [1])],
    remainder="passthrough"
)

print(encoder.fit_transform(X))

那你就不用指定类别的取值范围了。有关详细信息，请参阅文档。

ColumnTransformer

OneHotEncoder 类别参数

OneHotEncoder categories argument

python

preprocessor

machine-learning

scikit-learn

one-hot-encoding