问题
似乎没有简单的方法可以对没有顺序的数据进行一次性编码。我的问题是,对没有特定顺序的值进行一次性编码的最佳方法是什么?如果没有标准化的方法来做到这一点,为什么要订购 one-hot-encoded 功能?
示例
我正在尝试对一组功能进行单热编码,其中值是自定义对象。我的对象如下所示:
class MyObject(object)
def __init__(self, identity):
self.identity = identity
def __hash__(self):
return self.identity
def __eq__(self, other):
return self.identity == other.identity
在此设置中,可以比较 MyObject 的每个实例是否相等。假设我们有以下对象列表:
objects = [MyObject(0), MyObject(1), MyObject(0)]
函数set(objects)
生成一组2个对象,即MyObject(0)
和MyObject(1)
。这确实是我所期望的行为。因此,当我尝试对这些数据进行单热编码时,我期望以下形式的内容:
index MyObject_0, MyObject_1
0 1 0
1 0 1
2 1 0
但是,我尝试的所有解决方案都要求数据进行单热编码以具有某种顺序,而在我的情况下这是未定义的。我认为如果顺序未定义,应该仍然可以使用 one-hot-encoding,因为在这种情况下,哪个 one-hot-encoded 功能在另一个之前并不重要。
尝试的解决方案
Pandas 数据框
我的第一个尝试的解决方案是使用 pandas 的 get_dummies()
函数。
import pandas as pd
objects = [MyObject(0), MyObject(1), MyObject(0)]
dataframe = pd.DataFrame({'MyObjectFeature': objects})
dummies = pd.get_dummies(dataframe)
但是,这个示例给出了一个 TypeError:
TypeError: 'values' is not ordered, please explicitly specify the categories order by passing in a categories argument.
Scikit-learn LabelEncoder 和 OneHotEncoder
我的第二次尝试是使用 Scikit-learn 的 LabelEncoder
对值进行编码,然后再将它们放入 OneHotEncoder
对象中。然而,在 LabelEncoder
中,出现了与使用 Pandas 数据帧相同的问题。
from sklearn.preprocessing import LabelEncoder, OneHotEncoder
objects = [MyObject(0), MyObject(1), MyObject(0)]
encoder = LabelEncoder()
dummies = encoder.fit_transform(objects)
这个例子还给出了一个类型错误:
TypeError: '<' not supported between instances of 'MyObject' and 'MyObject'
自定义解决方案
我还创建了自己的 UnorderedLabelEncoder
对象来对标签进行编码,而无需订单。这工作正常,但我想知道我的问题是否有标准解决方案,即使用众所周知的库。或者如果情况并非如此,我想知道是否有理由需要订购功能?
class UnorderedLabelEncoder(object):
def __init__(self):
""" CustomLabelEncoder is capable of handling any
hashable object including None values.
"""
self.classes_ = dict()
def fit(self, y):
""" Fit label encoder.
Parameters
----------
y : array-like of shape (n_samples,)
Target values.
Returns
-------
self : returns an instance of self.
"""
self.classes_ = {o:i for i, o in enumerate(set(y))}
return self
def fit_transform(self, y):
""" Fit label encoder and return encoded labels.
Parameters
----------
y : array-like of shape [n_samples]
Target values.
Returns
-------
y : array-like of shape [n_samples]
"""
self.fit(y)
return self.transform(y)
def transform(self, y):
""" Transform labels to normalized encoding.
Parameters
----------
y : array-like of shape [n_samples]
Target values.
Returns
-------
y : array-like of shape [n_samples]
"""
return np.array([self.classes_.get(x, -1) for x in y])
问题
重申一下:我的问题是,对没有特定顺序的值进行单热编码的最佳方法是什么?如果没有标准化的方法来做到这一点,为什么要订购 one-hot-encoded 功能?
最佳答案
我想说,如果这些值没有源于其类型的内在顺序(偏序),那么您可以人为地定义顺序(类似于数据库中的人为主键)。然后,这就是您对数据施加的顺序,并且以后您可以使用可用于有序数据的任何方法(就好像首先有一个[部分]顺序)。
关于python - 如何在Python中对无序离散数据进行热编码?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/51442492/