标签：表示 enc 特征 OneHotEncoder preprocessing ans sklearn
1.概要
sklearn中的OneHotEncoder函数，可以将分类特征的每个元素转换为一个可以用来计算的值。
2. 解析
函数sklearn.preprocessing.OneHotEncoder，格式为：
OneHotEncoder(n_values=’auto’, categorical_features=’all’, dtype=<class ‘numpy.float64’>, sparse=True, handle_unknown=’error’)
方便理解，举例如下：
from sklearn.preprocessing import OneHotEncoder
enc = OneHotEncoder()
enc.fit([[0, 0, 3],
[1, 1, 0],
[0, 2, 1],
[1, 0, 2]])
ans = enc.transform([[0, 1, 3]]).toarray() # 如果不加 toarray() 的话，输出的是稀疏的存储格式，即索引加值的形式，也可以通过参数指定 sparse = False 来达到同样的效果
print(ans)
# 输出 [[ 1. 0. 0. 1. 0. 0. 0. 0. 1.]]
下面解释输出结果的意思。对于输入数组，依旧是把每一行当做一个样本，每一列当做一个特征。
第一个特征，即第一列[0,1,0,1]，也就是说它有两个取值0或者1，那么one-hot就会使用两位来表示这个特征，[1,0]表示0，[0,1]表示1。在上例的输出结果中[[ 1. 0. 0. 1. 0. 0. 0. 0. 1.]]前两位表示该特征为0。
第二个特征，第二列[0,1,2,0]，它有三种值，那么one-hot就会使用三位来表示这个特征，[1,0,0]表示0，[0,1,0]表示1，[0,1,1]表示2，在上例输出结果中[[ 1. 0. 0. 1. 0. 0. 0. 0. 1.]]的第三位到第五位表示该特征为1。
第三个特征，第三例[3,0,1,2]，它有四种值，那么one-hot就会使用四位来表示这个特征，[1,0,0,0]表示为0，[0,1,0,0]表示为1，[0,0,1,0]表示为2，[0,0,0,1]表示为3，在上例输出结果中[[ 1. 0. 0. 1. 0. 0. 0. 0. 1.]]的最后四位表示该特征为3。
注意：虽然训练样本中的数值仅仅代表类别，但是也必须使用数值格式的数据，如果使用字符串格式的数据会报错。
参数的意义：
n_values='auto'：表示每个特征使用几维由数据集自动推断，即几种类别就使用几位来表示。
当然也可以自己指定。举例：
from sklearn.preprocessing import OneHotEncoder
enc = OneHotEncoder(n_values = [2, 3, 4])
enc.fit([[0, 0, 3],
[1, 1, 0]])
ans = enc.transform([[0, 2, 3]]).toarray()
print(ans)
# 输出 [[ 1. 0. 0. 0. 1. 0. 0. 0. 1.]]
注意到训练样本中第二个特征列没有类别2，但是结果依然将类别2给编码了出来，这就是自己指定维数的作用（我们使用3位来表示第二个特征，自然包括了类别2），第三列特征同样如此。这也告诫我们，如果训练样本中有丢失的分类特征值，我们就必须显示的设置参数n_value了，这样防止编码出错。
categorical_features='all'：这个参数指定对哪些特征进行编码，默认对所有类别都进行编码。
也可以自己指定选择哪些特征，通过索引或者bool值来指定。举例：
from sklearn.preprocessing import OneHotEncoder
enc = OneHotEncoder(categorical_features = [0,2]) # 等价于 [True, False, True]
enc.fit([[0, 0, 3],
[1, 1, 0],
[0, 2, 1],
[1, 0, 2]])
ans = enc.transform([[0, 2, 3]]).toarray()
print(ans)
# 输出 [[ 1. 0. 0. 0. 0. 1. 2.]]
输出结果中前两位[1,0]表示0，中间四位[0,0,0,1]表示对第三个特征3编码，第二个特征2没有进行编码，就放在最后一位。
dtype=<class 'numpy.float64'>：表示编码数值格式，默认为浮点型。
sparse=True：表示编码的格式，默认为True，稀疏的格式，指定False就不用toarray()了。
handle_unknown='error'：其值可以为‘error’或'ignore'，即如果碰到未知的类别，是返回一个错误还是忽略。
来自：https://www.cnblogs.com/zhoukui/p/9159909.html
标签：表示,enc,特征,OneHotEncoder,preprocessing,ans,sklearn 来源： https://www.cnblogs.com/keye/p/14777848.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。