python - 想了解 Scikit-Learn 中的编码算法

Question

我想对序数变量进行编码。例如，客户的满意度有4个级别:非常好、良好、中等和差。我尝试使用 scikit-learn 库中的 LabelEncoder，但编码返回值 Very Good，这应该是最好的值，是 2 而不是 3。

我想知道是否可以在 LabelEncoder 方法中为每个级别设置具体值。

Answer 1

您可以使用OrdinalEncoder并提供您自己的映射表。映射表的格式是一个列表列表，其中第 n 个列表保存输入数据第 n 列中的值。

from sklearn.preprocessing import OrdinalEncoder
import random
import pandas as pd

# the categorical values in the right order
satisfaction = ['Poor', 'Moderate', 'Good', 'Very Good']

# create the mapping list
mapping = [satisfaction]

# create some random data but reproducible data
random.seed(42)
X = pd.DataFrame({'satisfaction': [random.choice(satisfaction) for _ in range(25)]})
print(X)

0          Poor 
1          Poor 
2          Good 
3          Moderate 
4          Moderate 
5          Moderate 

[...]

# create the encoder
enc = OrdinalEncoder(categories=mapping)

# transform your data
print(enc.fit_transform(X))

[[0.]
 [0.]
 [2.]
 [1.]
 [1.]
 [1.]
 ...
]