如何根据使用 one-hot-encoding 的数据设置标志值答案

【问题标题】：How to set flag value based on data that use one-hot-encoding如何根据使用 one-hot-encoding 的数据设置标志值
【发布时间】：2020-04-13 01:27:00
【问题描述】：

我有一个由三个表组成的数据库，如下所示：

我想使用该数据库在 R 中制作机器学习模型，我需要的数据是这样的：

我可以使用一种热编码将分类变量从 t_pengolahan（例如“Pengupasan、Fermentasi 等”）转换为属性。但是，如何根据上面的“结果（使用 SQL 查询）”数据为数据值设置标志（是或否）？

【问题讨论】：

标签： sql r machine-learning one-hot-encoding

【解决方案1】：

我们可以将前面相关问题的两个答案结合起来，每个答案都提供了一半的解决方案；这些答案在here 和here 中找到：

library(dplyr) ## dplyr and tidyr loaded for wrangling
library(tidyr)
options(dplyr.width = Inf) ## we want to show all columns of result
yes_fun <- function(x) { ## helps with pivot_wider() below
    if ( length(x) > 0 ) {
        return("yes")
    }
}
sql_result %>%
    separate_rows(pengolahan) %>% ## add rows for unique words in pengolahan
    pivot_wider(names_from = pengolahan, ## spread to yes/no indicators
                values_from = pengolahan,
                values_fill = list(pengolahan = "no"),
                values_fn = list(pengolahan = yes_fun))

数据

id_pangan  <- 1:3
kategori   <- c("Daging", "Buah", "Susu")
pengolahan <- c("Penggilingan, Perebusan", "Pengupasan",
                "Fermentasi, Sterilisasi")
batas      <- c(100, 50, 200)
sql_result <- data.frame(id_pangan, kategori, pengolahan, batas)

# A tibble: 3 x 8
  id_pangan kategori batas Penggilingan Perebusan Pengupasan
      <int> <fct>    <dbl> <chr>        <chr>     <chr>     
1         1 Daging     100 yes          yes       no        
2         2 Buah        50 no           no        yes       
3         3 Susu       200 no           no        no        
  Fermentasi Sterilisasi
  <chr>      <chr>      
1 no         no         
2 no         no         
3 yes        yes

【讨论】：

【解决方案2】：

这对我来说似乎不清楚。 “如何根据“结果（使用 SQL 查询）”数据为数据值设置标志（是或否）是什么意思？您想将其中一列转换为布尔值吗？如果是这样，您需要指定决策规则。这可能如下所示：

SELECT (... other columns),
CASE case_expression
     WHEN when_expression_1 THEN 'yes'
     WHEN when_expression_2 THEN 'no'
     ELSE '' 
END

为了帮助别人帮助你： - 您使用哪种 SQL 变体？（例如，sqlite 解决方案是否适合您？） - 提供创建表的 sql 脚本，以及“使用一种热编码将分类变量从 t_pengolahan（例如“Pengupasan、Fermentasi 等”）转换为属性的脚本”

【讨论】：