我正在尝试使用 UCI 存储库中的汽车评估数据集,我想知道是否有一种方便的方法可以在 sklearn 中对分类变量进行二值化。一种方法是使用 LabelBinarizer 的 DictVectorizer 但这里我得到 k 不同的特征,而你应该只有 k-1 以避免共线性化。 我想我可以编写自己的函数并删除一列,但是这种簿记很乏味,有没有一种简单的方法可以执行此类转换并得到一个稀疏矩阵?
最佳答案
如果您的数据是 pandas DataFrame,那么您可以简单地调用 get_dummies。 假设您的数据框是 df,并且您希望每个级别的变量“键”都有一个二进制变量。您可以简单地调用:
pd.get_dummies(df['key'])
然后删除其中一个虚拟变量,以避免多重共线性问题。 我希望这有助于...
关于python - 如何在 sklearn 中编码分类变量?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/15021521/