分类特征

用 Python 赢下 Kaggle 竞赛

Yauhen Babakhin

Kaggle Grandmaster

标签编码

ID	分类特征
1	A
2	B
3	C
4	A
5	D
6	A

ID	标签编码
1	0
2	1
3	2
4	0
5	3
6	0

标签编码

# 导入 LabelEncoder
from sklearn.preprocessing import LabelEncoder

# 创建 LabelEncoder 对象
le = LabelEncoder()

# 对分类特征进行编码
df['cat_encoded'] = le.fit_transform(df['cat'])

     ID   cat  cat_encoded
0     1   A    0
1     2   B    1
2     3   C    2
3     4   A    0

独热编码（One-Hot）

ID	分类特征
1	A
2	B
3	C
4	A
5	D
6	A

ID	Cat == A	Cat == B	Cat == C	Cat == D
1	1	0	0	0
2	0	1	0	0
3	0	0	1	0
4	1	0	0	0
5	0	0	0	1
6	1	0	0	0

独热编码（One-Hot）

# 创建独热编码特征
ohe = pd.get_dummies(df['cat'], prefix='ohe_cat')

# 删除原始特征
df.drop('cat', axis=1, inplace=True)

# 拼接 OHE 特征到数据框
df = pd.concat([df, ohe], axis=1)

     ID ohe_cat_A ohe_cat_B ohe_cat_C ohe_cat_D
0     1         1         0         0         0
1     2         0         1         0         0
2     3         0         0         1         0
3     4         1         0         0         0

二元特征

# 含二元特征的 DataFrame
binary_feature

      binary_feat
0     Yes
1     No

le = LabelEncoder()
binary_feature['binary_encoded'] = le.fit_transform(binary_feature['binary_feat'])

  binary_feat binary_encoded
0     Yes     1
1     No      0

其他编码方法

反差编码（Backward Difference）
BaseN
二进制编码（Binary）
CatBoost 编码器
哈希编码（Hashing）
Helmert 编码
James–Stein 编码器
留一法（Leave-One-Out）

M-估计
独热编码（One-Hot）
序数编码（Ordinal）
多项式编码
和编码（Sum Coding）
目标编码（Target Encoder）
证据权重（Weight of Evidence）

其他编码方法

反差编码（Backward Difference）
BaseN
二进制编码（Binary）
CatBoost 编码器
哈希编码（Hashing）
Helmert 编码
James–Stein 编码器
留一法（Leave-One-Out）

M-估计
独热编码（One-Hot）
序数编码（Ordinal）
多项式编码
和编码（Sum Coding）
目标编码（Target Encoder）
证据权重（Weight of Evidence）

¡Vamos a practicar!

用 Python 赢下 Kaggle 竞赛