机器学习---特别特征编码

柔光的暖阳◎ 2024-03-29 15:50 56阅读 0赞

#### DAY2 ####

*   *  将英文id转为数值编码
     *  编码结果
     *  将某特征转为数值编码
     *  编码结果

### 将英文id转为数值编码 ###

*  因为机器学习是处理数值的（高维），所以当某些初始特征不是以数值形式出现时，要通过适当的方式进行处理。  
    在本数据集中，每一组数据的id是国家，即为英语名称：  
    ![在这里插入图片描述][ec002dc4d2234191bda2bb1b0c241401.png_pic_center]  
    所以下面通过get\_dummies()函数进行处理，实现哑变量编码：

# 特别特征编码
    # 特征X
    X = pd.get_dummies(X)
    X = X.values

![在这里插入图片描述][e7b5445b3a2d450cbd8728d353e2f965.png_pic_center]

### 编码结果 ###

![在这里插入图片描述][467e6ba6b72d417bbfd5f1f6e4da0d71.png_pic_center]

### 将某特征转为数值编码 ###

在本数据集中，y列是结果，即为true和false：  
![在这里插入图片描述][88fa27106d2b40b5b05d0f2503dce1c9.png_pic_center]  
所以下面通过fit\_transform()函数进行处理：

# 标签y
    from sklearn.preprocessing import LabelEncoder
    le = LabelEncoder()
    # 将数据做一个标签,同样重复的用一个
    y = le.fit_transform(y)

![在这里插入图片描述][2e37db9f03ea45878449b2bef59c2c78.png_pic_center]

### 编码结果 ###

![在这里插入图片描述][7b0a08d186c8463b8fa5d195940655c2.png_pic_center]

[ec002dc4d2234191bda2bb1b0c241401.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/28/53b9e526834c40cd83cf16a8714c09a5.png
[e7b5445b3a2d450cbd8728d353e2f965.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/28/ec4bdaad68d1439a95f9bc9ca679d3e4.png
[467e6ba6b72d417bbfd5f1f6e4da0d71.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/28/d333e9770cb64f58992b2c1cf25e71b7.png
[88fa27106d2b40b5b05d0f2503dce1c9.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/28/e0a5f0e93a66456e8770014cd5f993f7.png
[2e37db9f03ea45878449b2bef59c2c78.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/28/86a5e1ea3d414f1183d3b7a496e7882a.png
[7b0a08d186c8463b8fa5d195940655c2.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/28/425ded23d496439cab6d8449fb75fbbf.png