我有一些分类特征散列成32位十六进制数字,例如,在一个类别中,三个不同的类被散列成:
'05db9164' '68fd1e64' '8cf07265'
One Hot Encoding将它们映射到一个二进制数组中,并且只有一位是1,另一位是0。所以如果我想对上述特征进行编码。只需要三位。
001对应05db9164,010对应68fd1e64,100对应8cf07265
但是当我在sklearn中使用OneHotEncoder时,它告诉我数字太大了。这让我很困惑。因为我们不关心数字的数值属性。我们只关心它们是否相同。
另一方面,如果我编码 0,1,2:
enc = OneHotEncoder()
enc.fit([[0],[1],[2]])
print enc.transform([[0]]).toarray()
print enc.transform([[1]]).toarray()
print enc.transform([[2]]).toarray()
我得到了预期的答案。而且我认为这些32位十六进制数字是用来指示类别中的类的。所以它与 0 , 1 ,2 相同。并且 [0,0,1], [0,1,0],[1,0,0] 足以对其进行编码。你能帮我一下吗。非常感谢。
最佳答案
如果您的数组不是很长,您可以使用np.unique
重命名功能。通过这种方式,您还可以确定不同特征的最大数量,作为返回,您可以将其提供给 OneHotEncoder
,以便它知道要分配多少列。请注意,重命名本身并不是必需的,但它具有生成使用更少空间的整数的良好副作用(如果您使用np.int32
)。
import numpy as np
rng = np.random.RandomState(42)
# generate some data
data = np.array(['05db9164', '68fd1e64', '8cf07265'])[rng.randint(0, 3, 100)]
uniques, new_labels = np.unique(data, return_inverse=True)
n_values = len(uniques)
from sklearn.preprocessing import OneHotEncoder
encoder = OneHotEncoder(n_values=n_values)
encoded = encoder.fit_transform(new_labels[:, np.newaxis])
print repr(encoded)
关于python - 在sklearn中使用One Hot Encoding对32位十六进制数字进行编码,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/25468452/