python - 使用scikit onehotencoder在向量上的虚拟变量

假设我有一个整数向量，其中每个整数都对应一个类别：

A = [1, 2, 2, 3, 3, 1, 2, 4, 4, 1]

我知道我有几类。此向量是我的X数据集的列之一，该列将以逻辑回归模型结尾。

是否可以使用sciki-tlearn函数onehotencoder获得类似以下内容：


  0 0 0 1（当1时）
  0 0 1 0（当2时）
  0 1 0 0（3岁时）
  1 0 0 0（无论何时）


甚至更好


  0 0 0
  0 0 1
  0 1 0
  1 0 0


？

当我尝试将这样的向量传递给onehotencoder时，出现以下错误：need more than 1 value to unpack。

此外：我想如果我有'NULL'记录，我应该首先将它们转换为数字：是否有一种快速的方法来实现它，例如A(find(A=='NULL'))=123？

谢谢您的帮助。
弗朗切斯科

最佳答案

OneHotEncoder输入需要为2-d，而不是1-d（它需要一组样本）。

>>> X = [[1, 2, 2, 3, 3, 1, 2, 4, 4, 1]]

假设您的分类功能都可以具有四个值：

>>> n_values = np.repeat(4, len(X[0]))
>>> n_values
array([4, 4, 4, 4, 4, 4, 4, 4, 4, 4])

然后OneHotEncoder可以正常工作：

>>> oh = OneHotEncoder(n_values=n_values)
>>> Xt = oh.fit_transform(X)
>>> Xt.toarray()
array([[ 0.,  1.,  0.,  0.,  0.,  0.,  1.,  0.,  0.,  0.,  1.,  0.,  0.,
         0.,  0.,  1.,  0.,  0.,  0.,  1.,  0.,  1.,  0.,  0.,  0.,  0.,
         1.,  0.,  0.,  0.,  0.,  0.,  1.,  0.,  0.,  0.,  1.,  1.,  0.,
         0.]])
>>> Xt.shape
(1, 40)

对于每个输入变量，它产生一个虚拟变量太多，这有点浪费。我不知道您所说的NULL是什么意思，因为我不知道您的数据是什么样子。您可能要为此打开一个单独的问题。

关于python - 使用scikit onehotencoder在向量上的虚拟变量，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/21634198/