有一个包含许多分类数据的大型数据集，想要使用sklearn来做一个热点编码。有一个问题是sklearn只处理当前数据中的类别。如果我将来的新数据有一些现在看不到的价值，该如何处理呢？似乎下面的feature_engine包可以选择最常出现的值，并折叠其他值。对于这一个，如果有未来看不见的值，它们将被折叠。top
浏览 21提问于2020-12-05得票数 0
1回答
假设我有一个分类特性(cat)：import pandas as pdcat = random.choices(["A", "B", "C"], k=100)我想使用目标编码和正则化使用</
浏览 0提问于2020-09-05得票数 5
其中一列是建筑物所在的城市。当我使用以下命令分割数据集时： X_train, X_test, y_train, y_test = train_test_split( test_size=0.33Found unknown categories ['El Portal', 'Florida city, 'Medley'] in column 1 during transform 据我所知，这是一个热编码器的问题，因为它
浏览 30提问于2020-04-11得票数 1
回答已采纳
1回答
全,
我已经培训了一个使用xgboost的模型。其中一些特征是一种热编码的货币，例如，它要么是英镑，要么是美元。似乎当我输出特征重要性时，英镑和美元分别排在第7位。现在我想用这个模型来预测澳大利亚国家是否有违约者，但是这些国家的货币是澳元。因此，当我应用我的特性工程时，它将创建一个列和一次热编码。由于我的模型没有AUD作为一个功能，它如何处理的功能，已经看不见？我
浏览 0提问于2020-11-02得票数 0
15回答
我使用标签编码器将分类数据转换为数值。import pandas as pda = pd.DataFrame'C',np.nan,'D','A'])le.fit_transform(a)
输出：
浏览 8提问于2016-04-23得票数 36
回答已采纳
我想在sklearn中使用套索回归来运行我的数据。我的dataframe中的所有属性都是数字类型(数字，我的意思是它们都是整数)。但它们中的一些显然应该是分类的(例如，我的dataframe中的“race”属性是一个具有三个值1,2,3的属性，其中每个值代表一个种族)。我所做的是首先使用astype('str'
浏览 12提问于2020-05-20得票数 1
回答已采纳
我刚开始使用sklearn编码，我需要编码我的dtaset的3列，我只尝试编码一个列，但它给了我一个错误。_hstack(self，( Xs) 614 force_all_finite=False) -Xs中X> 615 ] 616，除了ValueError: 5帧ValueError:无法在处理上述异常时将字符串转换为浮动ValueError:对于稀疏输出，所有列都应该是数字或可转换为数字。
浏览 2提问于2020-12-11得票数 4
1回答
大熊猫分类达到新水平
、、、、
熊猫分类如何处理新的和看不见的级别？我在考虑一个scikit像设置一样学习。显然，像xgboost或lightbm这样的决策树可以直接处理分类数据，也就是说，人们不需要手动处理这种缓慢的转换。但在查看他们的代码学习时，他们似乎使用的是LGBMLabelEncoder，这是一个标准的scikit LabelEncoder。
我想知道这如何
浏览 8提问于2017-08-17得票数 1
3回答
相似：
y是形状(n_sample，)和字符串类型的numpy.ndarray。经过一些思考，面对上面的错误，我觉得认为Pipeline能够<e
浏览 0提问于2018-09-13得票数 2
回答已采纳
我当时正在谷歌学院学习MPL回归器，并运行了源代码：import numpy as npfrom sklearn.preprocessing import StandardScaler
data我从fit(data)改为fit_transform(data)，但同样的错误仍然坚持。但是出现了不同的错误：ValueErro
浏览 2提问于2021-02-13得票数 2
回答已采纳
我在用LabelEncoder()做标签编码。我想知道与编码值对应的分类名称是什么。例如：from sklearn.preprocessing import LabelEncoderdf = pd.DataFrame(data, columns = ['Name', 'Age'])
df['Name']= le.
浏览 1提问于2020-09-03得票数 1
回答已采纳
我有一个Pandas DataFrame，train，我是一个热编码。但是，我无法访问我的测试集，因此我需要处理在测试中出现car值的可能性，而这在train中是看不到的。我希望一个热编码test的输出是：0 0 0 1所以它只是忽略了测试中以前看不见的值</
浏览 1提问于2018-05-02得票数 3
回答已采纳
在查找了这个之后，我找到了一个解决我的问题的可能方法：ValueError: could not convertstring to float: 'Adzuki beans, uncooked'def load_my_dataset():
with open('data/Composition3
浏览 2提问于2021-12-24得票数 0
1回答
根据我从SKLearn的中得到的理解，LabelEncoder在SKLearn中编码0与减去1的类数之间的值(即n_classes - 1)。我想使用类似于Tensorflow预处理操作的一部分来避免对包使用SKLearn。例如，我理解预处理层很容易为OneHot编码和分类编码提供API，如下所示：
tf.ke
浏览 8提问于2022-05-15得票数 1
回答已采纳
1回答
我正在尝试制作一个小型的数据科学工具(有点像WEKA的迷你版)。现在，我有了这些具有大量特征(70-100+)的数据集，它们大多是分类的。我正在使用Python sklearn进行机器学习逻辑，我需要根据我得到的sklearn错误将这些类别转换为数字值。 考虑到这一点，一次热编码不是一个选择，因为它会放大太多的维度。我已经研究了其他可能的方法，比如频率编码
浏览 24提问于2021-04-21得票数 0
2回答
我需要使用随机森林算法来寻找训练数据集的准确性。但是我的数据集的类型是分类的和数字的。当我试图拟合这些数据时，我得到了一个错误。“'Input包含NaN、无穷大或dtype(‘float32’)太大的值。这是我的密码。📷
📷
浏览 0提问于2018-01-04得票数 14
回答已采纳
我正在使用scikit的LabelEncoder将其转换为要输入到RandomForestClassifier中的数值。在训练过程中，我做了以下工作：df['ID'] = le_id.fit_transform(df.ID)
但是，现在为了测试/预测，当我传入新数据时，我想根据le_id从该数据转换'ID‘，即，如果存在相同的值，则根据上面的标签编码</e
浏览 1提问于2017-09-19得票数 9
当我用它来拟合和转换数据，然后请求参数时，我得到的只是{}。这样就不可能在新数据上重复使用编码器。示例：encode.fit_transform(['one', 'two', 'three'])不确定预期的格式，
浏览 4提问于2017-08-31得票数 5
回答已采纳
1回答
我使用自定义的频率编码，并使用它的训练数据。最后，我把它保存为嵌套字典。对于测试数据，我使用map函数对其进行编码，并将未见的标签替换为0。但我需要更有效的方法？我已经试过用熊猫代替的方法了，但它不关心看不见的标签，而是把它留在原来的地方。此外，我非常关注时间问题，我希望在60 ms内编码80列和1行。我只需要最有效的方法。我从
浏览 0提问于2019-07-15得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
云直播
腾讯会议活动推荐
腾讯云开发者
