1

一些特征是数字的，例如“毕业率”，而其他特征是分类的，例如学校的名称。我在分类特征上使用标签编码器将它们转换为整数。

我现在有一个带有浮点数和整数的数据框，分别表示数字特征和分类特征（用标签编码器转换）。

我不确定如何继续学习，我需要使用一种热编码吗？如果是这样，我该怎么做？根据我目前的理解，我不能简单地将数据帧传递给 sklearn OneHotEncoder，因为有浮点数。我是否只是将标签编码器应用于所有功能来解决问题？

我的数据框中的示例数据。OPEID 和 opeid6 使用标签编码器进行转换

非常感谢！

4

1 回答 1

0

只需使用参数进行选择，特征是分类的：OneHotEncoder categorical_features

categorical_features：“全部”或索引数组或掩码：

指定哪些特征被视为分类特征。

  • 'all'（默认）：所有特征都被视为分类。
  • 索引数组：分类特征索引数组。

  • 掩码：长度为 n_features 且 dtype=bool 的数组。

    非分类特征总是堆叠在矩阵的右侧。

于 2016-09-03T06:39:56.800 回答