python - 在数据预处理期间使用 toarray() 和 onehotencoding

Question

我是机器学习新手。我有一个疑问:为什么使用 toarray() 进行一种热编码，而不使用标签编码。我不明白。请有人帮忙。

from sklearn.preprocessing import LabelEncoder, OneHotEncoder
label_encoder_x = LabelEncoder()
x[:, 0] = label_encoder_x.fit_transform(x[:, 0])
onehotencoder = OneHotEncoder(categorical_features= [0])
x = onehotencoder.fit_transform(x).toarray()
label_encoder_y = LabelEncoder()
y = label_encoder_y.fit_transform(y)

Answer 1

如 docs 中所述，OneHotEncoder 默认情况下会返回一个稀疏矩阵，这使用起来不太直观。作为一个最小的例子:

>>> df
   0
0  2
1  2
2  2
3  1
4  1
5  2
6  2
7  1
8  1
9  1

onehotencoder = OneHotEncoder(categorical_features= [0])

>>> onehotencoder.fit_transform(df[0].values.reshape(1,-1))
<1x10 sparse matrix of type '<class 'numpy.float64'>'
    with 10 stored elements in COOrdinate format>

但是，如果您调用 toarray，您会得到更容易使用的东西，或者至少更容易理解:

>>> onehotencoder.fit_transform(df[0].values.reshape(1,-1)).toarray()
array([[1., 2., 2., 1., 1., 2., 2., 1., 1., 1.]])

另一种方法是在创建 OneHotEncoder 时使用 sparse = False，然后它默认创建一个密集数组:

onehotencoder = OneHotEncoder(categorical_features= [0], sparse=False)

>>> onehotencoder.fit_transform(df[0].values.reshape(1,-1))
array([[1., 2., 2., 1., 1., 2., 2., 1., 1., 1.]])