我正在使用以下函数： le = LabelEncoder() ohe = OneHotEncoder(sparse=False) return (pd.DataFrame(ohe.fit_transform(a), columns=column
浏览 48提问于2019-11-04得票数 0
回答已采纳
如何从存储在Pandas DataFrame中的分类数据中为巨大的特征向量(50000 X 100000)创建CSR/COO格式的稀疏矩阵？我使用Pandas get_dummies()函数创建特征向量，但它返回一个MemoryError。我如何避免这种情况，而是以稀疏矩阵CSR格式生成它？
浏览 1提问于2015-11-10得票数 3
我一直在尝试使用Anaconda发行版学习Python 3.6。我在使用的在线课程的内容上遇到了一个障碍，并且可能需要一些帮助来处理一些错误信息。我在处理用于对分类数据进行重新编码的三个主要类时遇到了一些困难。我尝试使用每个方法来对数据集中的一个分类变量进行重新编码，但每次都会得到错误。
请原谅我的亲戚对样品代码的要求。正如人们可能已经猜到的，我的问题的基础，我不是很精通蟒蛇。我必须使用HTML吗？)LabelEnc
浏览 1提问于2018-04-06得票数 2
回答已采纳
如何在滑雪板管道中使用LabelEncoder？import pandas as pdfrom sklearn.preprocessing import LabelEncoder, OneHotEncoder__version__) # 0.22.2.post1
df = sns.loa
浏览 5提问于2020-09-14得票数 1
看起来两者都创建了新的列，它们的数量等于特征中唯一类别的数量。然后，根据数据点所在的类别，将0和1分配给数据点。
浏览 2提问于2018-05-23得票数 53
我正在尝试在虚拟机中运行下面的代码，以解决一个家庭作业练习问题。我收到了下面的错误消息，我试图找出这是我的代码或网站的问题。如果有人能指出这是不是我的代码中的错误，以及如何修复它，我将不胜感激。pd.DataFrame(X)
# TODO: For each feature in X, apply the LabelEncoder's fit_transformdf2=df.apply(le.fit_tr
浏览 12提问于2017-05-14得票数 2
+----------++-------+----------++-------+----------+| 200 | SE1 || 300 | SE2 |测试集在OneHotEncoding因此，当我执行以下代码时(y_train是形状(3,)的列向量)
from sklea
浏览 4提问于2017-12-13得票数 5
回答已采纳
| XCD
enc = LabelEncoder()dataarray)
from sklearn.compose import ColumnTransformer
ct = ColumnTransfor
浏览 4提问于2020-06-11得票数 7
from sklearn.preprocessing import OneHotEncoderenc.fit([['b', 'c',
浏览 12提问于2019-11-15得票数 0
1回答
0 5 160 0 0 0 0 1
现在假设我在生产中有Danny测试数据，这是name中的一个新级别如何保持模型的输入特征大小(例如，在训练中为6，在测试数据中为5)？在火车组中也是0，但在测试中它是特征3；它是否会影响从训练模型输入的测试输入？？
浏览 2提问于2021-04-01得票数 3
回答已采纳
我尝试在这里使用One-Hot对蘑菇数据集()进行编码。下面是我使用的编码代码(在Python中)：second_df = OneHotEncoder(handle_unknown='ignore').fit_transform(new_df)我的代码的结果如下图所示，这让我非常困惑：
这个结果是我的One-Hot的正
浏览 0提问于2021-04-21得票数 2
1回答
您好，我正在练习ML模型，并在尝试预测看不见的数据时面临问题。在对分类数据进行一次编码时出现错误。= OneHotEncoder(categorical_features=[1])X = X[:,1:]模型运行良好，但在尝试针对随机输入测试模型时，它在一次编码时失败。(input).toarray() 错误： C:\Anaconda3\li
浏览 10提问于2020-01-31得票数 0
我想用定制的变压器构建一个完整的管道，但是我发现当不包括交叉验证时，我构建的一些变压器工作得非常好，比如：pipe.fit(X_train, y_train) WORKS，而GridSearchCV(pipe在本例中，我使用的是OneHotEncoder，它与make_column_transformer或ColumnTransformer一起使用时工作得很好，但是当它放在自定义转换器中时就不起作用了。cv_model.best_estimator_)
浏览 27提问于2022-03-25得票数 0
回答已采纳
我想使用不同的编码器对df的连续和分类特性进行编码。我觉得使用make_column_transformer很舒服，但是下面所示的代码在LabelEncoder()中失败了，但是在OneHotEncoder(handle_unknown='ignore'))中工作得很好。错误信息是：
我不清楚如何解决这个问题。from skle
浏览 8提问于2019-12-02得票数 4
1回答
我试图为向量的第四个特性编码分类数据，这是在一个numpy数组中。这些类别要么是'4‘，要么'6’。我可以使用以下方法将它们转换为二进制：
features_in_training_set[:,4] = LabelEncoder().fit_transform(features_in_training_set[:,但是，
浏览 0提问于2018-12-27得票数 0
回答已采纳
我构建的模型可以工作，但我正在尝试使用OneHotEncoder作为练习编码的一种方式。我知道我们必须实例化OneHotENcoder类，并对数据帧执行fit_transform。在下面的代码中，我得到了一个变量X的错误："drop not found“。from sklearn.preprocessing import OneHotEncoder
df = ohe.fit_transform(
浏览 14提问于2020-09-04得票数 0
使用以下代码：onehotencoder = OneHotEncoder(categorical_features=[0])
Y_test = onehotencoder.fit_transform(Y_test)TracebackPycharmProjects/CNN_MR_v2/venv/
浏览 11提问于2019-08-15得票数 0
回答已采纳
客户名称是一个类别，为此我使用OneHotEncoder。我希望它们在管道中工作，因此将它们与列转换器连接在一起，在那里我可以传递一个完整的数据帧并对其进行处理。在查看了它之后，print(OneHotEncoder().fit_transform(X_train['Customer']))自己返回一个错误:预期的2d数组得到1d数组。通过使用.to_frame()将该系列转换为dataframe，打印的输
浏览 1提问于2019-02-22得票数 4
回答已采纳
scores = -1 * cross_val_score(final_pipe,X_train,y,cv = 5,scoring = 'neg_mean_absolute_error')TypeError: fit_transform() takes 2 positional arguments but 3 were given
在进一步的参考资料中，我发现像LabelEncoders这样的变压器不应该与功能一起使用，而应该只在预测目标上<em
浏览 7提问于2020-07-14得票数 6
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
云直播
对象存储
实时音视频活动推荐
腾讯云开发者
