问题标签 [one-hot-encoding]
For questions regarding programming in ECMAScript (JavaScript/JS) and its various dialects/implementations (excluding ActionScript). Note JavaScript is NOT the same as Java! Please include all relevant tags on your question; e.g., [node.js], [jquery], [json], [reactjs], [angular], [ember.js], [vue.js], [typescript], [svelte], etc.
python-2.7 - PySpark-OneHotEncoding
这可能是幼稚的，但我刚开始使用 PySpark 和 Spark。请帮助我理解 Pyspark 中的一种热门技术。我正在尝试在其中一列上执行 OneHotEncoding。在一次热编码之后，数据帧模式添加了一个向量。但是要应用机器学习算法，那应该是将单个列添加到现有数据框中，每列代表一个类别，而不是向量类型列。如何验证 OneHotEncoding。
我的代码：
本次展示：
新添加的列是向量类型。如何将其转换为每个类别的单独列
r - R DataFrame - 包含多个术语的列的一种热编码
我有一个数据框，其列具有多个值（逗号分隔）：
我想将Info列拆分为one-hot-encoded列，并将结果附加到 Target 列之外，例如：
在 python 中，我可以执行以下操作来获取字典，然后使用它来分配列。
到目前为止，我可以在 R 中做到这一点
我不知道如何将其转换为 R 中的字典，并使用它转换为 One-Hot-Encoding 的列。
我该如何解决这个问题？
r - R - ggplot2不同的列通过过滤，垂直堆叠
我有一个数据框（df2），其中包含 Age、Info、Target 和 Info 转换为单热编码列，如下所示。
这是df2
我想绘制不同信息类型的年龄分布，即“好”、“坏”等的图。例如：
如何 added_cols在单个图中使用 One-Hot-Encoded 功能为所有列绘制这样的图？也许使用 Facet？
python - 如何在 Scikit-learn 的 OneHotEncoder 中获取维数
我OneHotEncoder在我的项目中使用来自 Scikit-learn 的。而且我需要知道当n_value设置为时每个单热向量的大小是多少auto。我以为n_value_会证明这一点，但似乎除了尝试训练样本外我别无他法。我制作了这个玩具示例代码来显示问题。你知道其他解决方案吗？
python - 如何在标签编码和 scikit-learn 上的一种热编码后检索系数名称？
我正在使用 scikit-learn 的 RidgeCV() 方法运行机器学习模型（带交叉验证的岭回归）。我的数据集有 5 个分类特征和 2 个数字特征，所以我从 LabelEncoder() 开始将分类特征转换为整数，然后我应用 OneHotEncoder() 来制作几个 0 和 1 的新特征列，以便应用我的机器学习模型。
我的 X_train 现在是一个 numpy 数组，在拟合模型后，我得到了它的系数，所以我想知道 - 有没有一种直接的方法可以将这些系数连接回它们对应的各个特征？与 Pandas get_dummies 不同，OneHotEncoder 似乎没有为它从标记的分类特征中生成的各个特征生成任何标题......
PS：我使用了 LabelEncoder 的 .classes_ 属性和 OneHotEncoder 的 .feature_indices_，但它们都没有给出我正在寻找的东西。我在 Cross Validated 中进行了询问，但我被称为 Stack Overflow。
list - 熊猫数据帧中的 onHotEncoding 和列表
我有一个熊猫数据框：
这导致：
但是我想实现一个 onHotEncoder，它将每个列表与 dataFrame 的单元格视为一个字符串，并且我希望它独立地处理每个值。
我将如何实现这一点？我的实际数据框包含 500 个项目的列表，并且有 4000 个唯一值。
python - 处理标签编码的未知值
如何处理 sk-learn 中标签编码的未知值？标签编码器只会在检测到新标签的情况下爆炸。
我想要的是通过one-hot -encoder对分类变量进行编码。但是，sk-learn 不支持字符串。所以我在每一列上都使用了一个标签编码器。
我的问题是在管道的交叉验证步骤中出现了未知标签。基本的 one-hot-encoder 可以选择忽略这种情况。先验pandas.getDummies /cat.codes是不够的，因为管道应该与现实生活中的新传入数据一起工作，这些数据也可能包含未知标签。
是否可以CountVectorizer为此目的使用 a ？
python - 使用 onehot 编码的 TensorFlow 嵌入查找
我目前有要使用嵌入的 onehot 编码。但是，当我打电话时
嵌入数据形状（11、32、729、128）
这个形状应该是 (11, 32, 128) 但它给了我错误的尺寸，因为 train_data 是 onehot 编码的。
给我错误：
请帮帮我！谢谢。
python - 熊猫如何以不寻常的文本顺序分解
我有一个数据框，其中有一列“cat100”，其值如下：
'A' 'B' ... 'Y' 'Z' 'AA' 'AB' ...
我想使用 pd.factorize 对列进行因式分解，使 AA 在“B”“C”...“Z”之后。
我试过类似的东西：
但这会将 A 分配给 0，将 B 分配给 2，将 AA 分配给 1。我希望将 AA 分配给 2，将 B 分配给 1。
我已经寻找方法来做到这一点，但没有找到任何东西。有没有办法做到这一点？
machine-learning - 给定稀疏矩阵时，Sklearn 会抛出 ValueError
当特征用稀疏矩阵表示时，我的 SVM 分类器会抛出值错误，但如果特征用密集矩阵表示则不会出错。
我有对我的功能集执行 One Hot Encoding 的代码，并将编码的输出添加到新的功能列表中。当使用 .toarray() 将 One Hot Encoding 的输出转换为密集数组时，我的 SVM 分类器运行良好。
但是，使用密集数组并不理想，因为我有数千个数据点，而且我的计算机很快就会耗尽内存。因此，需要稀疏数组。如果我只是从下面的代码中删除 .toarray() ，则 enc.transform(features) 的输出将输出一个稀疏矩阵。但是，如果我运行我的 SVM 分类器，我现在会收到以下错误：
ValueError：使用序列设置数组元素。
当我的 SVM 尝试拟合数据时，似乎有些事情失败了。Sklearn SVM 接受稀疏向量，所以我不明白出了什么问题。