如何在sklearn中编码分类变量？
我正在尝试使用UCI存储库中的汽车评估数据集，并且想知道是否存在方便的方法来对sklearn中的分类变量进行二值化。一种方法是使用LabelBinarizer的DictVectorizer，但是在这里我得到了k个不同的特征，而为了避免共线性化，您应该只有k-1个。我想我可以编写自己的函数并删除一列，但是这种记账是乏味的，是否有一种简单的方法来执行这样的转换并得到一个稀疏矩阵？
问题答案：
建议使用DictVectorizer来生成分类变量的单编码。您可以使用sparse参数创建稀疏的CSR矩阵，而不创建密集的numpy数组。我通常不关心多重共线性，也没有注意到我倾向于使用的方法（即LinearSVC，SGDClassifier，基于树的方法）存在问题。
修补DictVectorizer以便为每个分类功能删除一列不是问题-
您只需DictVectorizer.vocabulary在fit方法末尾删除一个术语即可。（随时欢迎提出要求！）
-
我正在机器学习项目中使用和从对数据集中的标签（国家名称）进行编码。一切正常，我的模型运行良好。该项目将根据包括客户所在国家在内的许多特征（数据）对银行客户是否继续或离开银行进行分类。 当我想预测（分类）一个新客户（仅一个）时，我的问题就出现了。新客户的数据仍未预处理（即，国家名称未编码）。如下所示： 在我学习机器学习的在线课程中，讲师打开包含编码数据的预处理数据集，手动检查法国代码，并在中进行更新
-
问题内容： 我目前在我的项目中使用类型，并且遇到问题。 上面的代码中的可以是或。这是类型的原因。 我知道不是。 我需要知道的是如何使它工作。 问题答案： 可编码需要知道要转换的类型。 首先，我将尝试解决不知道类型的问题，看看是否可以解决它并使它更简单。 否则，我目前认为解决您的问题的唯一方法就是使用如下所示的泛型。
-
这次我们不将数据直接写在Python代码中，而是放到两个文本文件里：athletesTrainingSet.txt和athletesTestSet.txt。 我会使用第一个文件中的数据来训练分类器，然后使用测试文件里的数据来进行评价。 文件格式大致如下： 文件中的每一行是一条完整的记录，字段使用制表符分隔。 我要使用运动员的身高体重数据来预测她所从事的运动项目，也就是用第三、四列的数据来预测第二列
-
如何对字符串进行百分比编码，如RFC 3986中所述？也就是说，我不想（依我看，很奇怪）对www url表单进行编码，因为这是不同的。 如果重要的话，我正在编码的数据不一定是一个完整的URL。
-
问题内容： 我有一个数据集，其中的类是不平衡的。类别为“ 1”或“ 0”，其中类别“ 1”：“ 0”的比率为5：1。如何在带有随机森林的sklearn中计算每个类别的预测误差以及相应的重新平衡权重，类似于以下链接：http : //www.stat.berkeley.edu/~breiman/RandomForests/cc_home.htm#平衡 问题答案： 您可以将样本权重参数传递给随机森林拟
-
其他反应性库（如project reactor）为出版商提供排序方法，但在mutiny中没有这种方法。他们的文档甚至没有提到这一点。 https://smallrye.io/smallrye-mutiny 现在我正在通过这样做来实现上述功能 有没有更好的方法来做到这一点？