Scikit的一热编码如何分配假人？
对于一篇研究论文，我将使用套索模型进行分类和特征选择。我正准备使用一种热编码来处理分类数据，并需要找出哪些特征映射到原始分类值，以确定最终为最终模型选择了哪些特征。我在谷歌上搜索这个问题已经有一段时间了，但还没有找到答案。
scikit的一个热编码如何分配值？例如，假设某个变量的分类值为{1,2,3,4}。一个热编码是否按时间顺序将它们组织为虚拟对象（即，删除1，将第一个虚拟对象设置为值2，将第二个虚拟对象设置为值3，将第三个虚拟对象设置为值4）？或者它是否根据在扫描行时发现不同分类值的顺序进行分配（例如，第一个观察值为3，第二个观察值为2，因此3被删除，第一个假人变为值2）？
谢谢
共有1个答案
从快速查看来源，在我看来，它们确实以整数值的顺序结束。然而，由于这没有记录在案，你不能指望这一点：这不是合同的一部分。如果你需要知道哪个值在哪里结束，我建议编写你自己的OneHot实现。不应该太难，然后你可以指望它，当你升级到新版本，等等。
-
我有一个大数据集，我计划对其进行逻辑回归。它有很多分类变量，每一个都有成千上万的特征，我计划在这些特征上使用一个热编码。我将需要处理小批量的数据。我的问题是如何确保一个热编码在第一次运行时看到每个分类变量的所有功能？
-
我的最终目标是对熊猫专栏进行热编码。在本例中，我想对一列“b”进行热编码，如下所示：保存苹果、香蕉和桔子，并将任何其他水果编码为“其他”。 示例：在下面的代码中，“葡萄柚”将被改写为“其他”，如果“猕猴桃”和“鳄梨”出现在我的数据中，它们也将被改写为“其他”。 以下代码有效： 我的问题是：有没有一种更短的方法来做业务？我尝试了
-
我在列表中有一个列名称，我想对列表中的列中的值进行热编码。我想从数据集中对分类变量进行编码。我尝试了几个过程，但它给我带来了一个错误 它抛出的错误 回溯（最后一次调用）：文件“preprocessing.py”，第83行，trainig_set_ed[col]=clfs[col].fit_transform（trainig_set_ed[col]）文件“/root/.local/lib/pytho
-
我试图在Iris数据集中的目标列（“物种”）上使用一个热编码器。 但我得到了以下错误： ValueError：预期的2D数组，得到1D数组代替： 使用数组或数组重塑数据的形状。如果数据具有单个要素或阵列，则重塑（-1，1）。如果（1，-1）包含单个样本，则重塑其形状。 我在谷歌上搜索了这个问题，发现大多数scikit学习估计器都需要2D数组，而不是一维数组。 同时，我还发现，我们可以尝试传递带有索
-
问题内容： 张量流是否具有类似于scikit Learn的一种用于处理分类数据的热编码器？使用tf.string的占位符会表现为分类数据吗？ 我意识到我可以在将数据发送到tensorflow之前对其进行手动预处理，但是将其内置非常方便。 问题答案： 从TensorFlow 0.8开始，现在有一个原生的一站式操作，可以将一组稀疏标签转换为密集的一站式表示形式。这是的补充，在某些情况下，您可以使您直接
-
我有一个这样的文本文件： 输入文件中的最后一个字段的长度为50k个字符，并且只有0、1或2个字符。我想要最后一个字段的一个热编码版本。因此，我的预期结果是这样的数据帧： 我通过读取输入文件创建了一个初始数据帧： 这将创建一个包含3列的数据帧： 我想我也许可以使用下面的东西创建初始的单独列，然后使用熊猫get_dummies函数进行一次热编码，但是我无法创建单独的列。我已经试过了 但这并不是把角色分