0

我有一个一维数组，我用它来存储我的数据集的分类特征，如下所示：（其中每个数据实例属于许多类别，类别用逗号分隔）

Administration   Oral ,Aged ,Area Under Curve ,Cholinergic Antagonists/adverse effects/*pharmacokinetics/therapeutic use ,Circadian Rhythm/physiology ,Cross-Over Studies ,Delayed-Action Preparations ,Dose-Response Relationship   Drug ,Drug Administration Schedule ,Female ,Humans ,Mandelic Acids/adverse effects/blood/*pharmacokinetics/therapeutic use ,Metabolic Clearance Rate ,Middle Aged ,Urinary Incontinence/drug therapy ,Xerostomia/chemically induced ,

Adult ,Anti-Ulcer Agents/metabolism ,Antihypertensive Agents/metabolism ,Benzhydryl Compounds/administration & dosage/blood/*pharmacology ,Caffeine/*metabolism ,Central Nervous System Stimulants/metabolism ,Cresols/administration & dosage/blood/*pharmacology ,Cross-Over Studies ,Cytochromes/*pharmacology ,Debrisoquin/*metabolism ,Drug Interactions ,Humans ,Male ,Muscarinic Antagonists/pharmacology ,Omeprazole/*metabolism ,*Phenylpropanolamine ,Polymorphism   Genetic ,Tolterodine Tartrate ,Urinary Bladder Diseases/drug therapy ,
...
...

数组的每个元素代表数据实例所属的类别。我需要使用 one-hot 编码，所以我可以使用这些作为一个特征来训练我的算法。我知道这可以使用 scrikit-learn 来实现，但是我不确定如何实现它。（有大约 150 个可能的类别和大约 1,000 个数据实例。）

4

1 回答 1

1

我建议您为此使用 pandas 中的get_dummies方法。界面稍微好一点，特别是如果您已经在使用 pandas 来存储数据。sklearn 实现涉及更多。如果您决定走 sklearn 路线，您将需要使用OneHotEncoder或LabelBinarizer。两者都需要您首先将类别转换为可以使用LabelEncoder完成的整数值。

于 2016-12-16T19:29:03.933 回答