使用 OneHotEncoder 编码

Question

我正在尝试使用 scikitlearn 的 OneHotEncoder 对数据进行预处理。显然，我做错了什么。这是我的示例程序：from sklearn.preprocessing import LabelEncoder, OneHotEncoderfrom sklearn.compose import ColumnTransformercat = ['ok', 'ko', 'maybe', 'maybe']label_encoder = LabelEncoder()label_encoder.fit(cat)cat = label_encoder.transform(cat)# returns [2 0 1 1], which seams good.print(cat)ct = ColumnTransformer(transformers=[('encoder', OneHotEncoder(), [0])], remainder='passthrough')res = ct.fit_transform([cat])print(res)最后结果 ：[[1.0 0 1 1]]预期结果：类似于：[ [ 1 0 0 ] [ 0 0 1 ] [ 0 1 0 ] [ 0 1 0 ]]有人能指出我错过了什么吗？

Answer 1

您可以考虑使用 numpy 和 MultiLabelBinarizer。

import numpy as np

from sklearn.preprocessing import MultiLabelBinarizer

cat = np.array([['ok', 'ko', 'maybe', 'maybe']])

m = MultiLabelBinarizer()

print(m.fit_transform(cat.T))

如果你仍然想坚持你的解决方案。您只需要更新如下：

# because of it still a row, not a column

# res = ct.fit_transform([cat])  => remove this

# it should works

res = ct.fit_transform(np.array([cat]).T)

Out[2]:

array([[0., 0., 1.],

       [1., 0., 0.],

       [0., 1., 0.],

       [0., 1., 0.]])