One-Hot-Encoding
Teil des Abschnitts Statistik für ML der Machine Learning-Journey von Coddy. Lektion 53 von 64.
Instrumente haben keine Rangfolge: Mit den Nummern 1, 2, 3 würde Klavier als mehr gelten als Schlagzeug. One-Hot-Encoding weist stattdessen jeder Kategorie eine eigene 0/1-Spalte zu:
pd.get_dummies erledigt das, und dtype=int fordert 1 und 0 statt True und False an:
pupils = pd.DataFrame({"instrument": ["piano", "drums", "piano", "cello"],
"weeks": [4, 3, 6, 10]})
encoded = pd.get_dummies(pupils, columns=["instrument"], dtype=int)
print(encoded)Dies gibt Folgendes aus:
weeks instrument_cello instrument_drums instrument_piano
0 4 0 0 1
1 3 0 1 0
2 6 0 0 1
3 10 1 0 0Die neuen Spalten werden am Ende angefügt, eine pro Wert in alphabetischer Reihenfolge. Der Nachteil ist die Breite: 500 verschiedene Werte würden 500 Spalten hinzufügen.
Aufgabe
MittelEine Ferienanlage listet Hütten in cabins.csv auf. Das Programm liest einen Spaltennamen ein, area oder heat. Das Startprogramm nummeriert ihn, um mit dem Preis zu korrelieren, aber keine der beiden Spalten hat eine Reihenfolge: Dieses r ist frei erfunden.
- Ersetze die entsprechenden Zeilen: Kodiere die Spalte one-hot (0 und 1).
- Gib aus, in wie viele Spalten sie umgewandelt wurde, und danach jede neue Spalte mit der Anzahl ihrer 1en.
Für fünf Hütten und die Eingabe heat:
heat became 2 columns:
heat_gas: 3 cabins
heat_wood: 2 cabinsProbier es selbst
import pandas as pd
cabins = pd.read_csv("cabins.csv")
column = input()
# Schreibe deinen Code unten
# Diese Zeilen weisen den Gebieten und Heizungsarten Zahlen zu und geben ihnen damit eine Reihenfolge, die sie nicht haben: Ersetze sie
numbers = {"coast": 1, "hills": 2, "lake": 3, "woods": 4, "gas": 1, "solar": 2, "wood": 3}
cabins[column] = cabins[column].map(numbers)
print(f"{column} against price: r = {round(cabins[column].corr(cabins['price']), 2)}")
Teste dich selbstDiese Lektion enthält ein kurzes Quiz. Starte die Lektion, um es zu beantworten und deinen Fortschritt zu speichern.
Alle Lektionen in Statistik für ML
1Lage und Streuung
Mittelwert und MedianPerzentile und QuartileVarianz und StandardabweichungStichprobe oder Grundgesamtheit?Der häufigste WertRückblick: Lieferzeiten4Stichproben und Grundgesamtheiten
Grundgesamtheit und StichprobeStichprobenmittelwerte variierenDie StichprobenverteilungGrößere Stichproben, weniger ZufallRückblick: Eine Stadt befragen7Trendlinien
ResiduenAnpassung nach der Methode der kleinsten QuadrateDie Anpassungslinie zeichnenMit einer Linie Vorhersagen treffenWie gut ist die Anpassung?Rückblick: Übungsstunden10Kategorien codieren
Kategorien als ZahlenOne-Hot-EncodingZahlen in Intervalle einteilenRückblick: Autoanzeigen2Verteilungen
DichtehistogrammeDatenverteilungenDie NormalverteilungskurveDie 68-95-99,7-RegelZ-WerteRückblick: Akkulaufzeit3Wahrscheinlichkeit durch Simulation
Wahrscheinlichkeit als HäufigkeitDas Gesetz der großen ZahlenAugensummen beim WürfelnErwartungswertBedingte WahrscheinlichkeitRückblick: Gewinnchancen am Würfelstand6Zusammenhänge
Streudiagramme lesenKorrelationKorrelationsmatrixKorrelations-HeatmapsKorrelation ist keine KausalitätRückblick: Eiscreme und SonneÜbe selbstständig: Online-Python-Compiler