与其他数据类型一起插入 one-hot答案

【问题标题】：Insert one-hot along with other data types与其他数据类型一起插入 one-hot
【发布时间】：2021-12-10 05:46:31
【问题描述】：

我在一行中有具有数字和分类类型属性的数据。归一化后的数值将在 0 - 1 的范围内，浮点型。还有一些连续的数据，也是浮点型的。如何将 float 和 one-hot-vector（分类）数据作为一行数据插入到 Keras 层中？

预期的数据行示例：

[float, float, float, [one-hot-vector]]

[0.1, 0.2, 0.4, [0 0 0 1]]

【问题讨论】：

只需将它们连接起来。
一个热向量实际上只是代表一堆特征，所以你可以把它们正常地放在[0.1, 0.2, 0.4, 0, 0, 0, 1]中。 pandas 库有一个名为 get_dumies 的函数，它应该可以帮助您。
跟随博士。史努比的建议 - 串联起到了作用。

标签： python machine-learning keras one-hot-encoding

【解决方案1】：

您可以使用 Get Dummies 或 Categorical Codes。

import pandas as pd
 
# Intitialise data of lists
data = [{'Year': 2020, 'Airport':2000, 'Casino':5000, 'Stadium':9000, 'Size':'Small'}, 
       {'Year': 2019, 'Airport':3000, 'Casino':4000, 'Stadium':12000, 'Size':'Medium'},
       {'Year': 2018, 'Airport':5000, 'Casino':9000, 'Stadium':10000, 'Size':'Medium'},
       {'Year': 2017, 'Airport':5000, 'Casino':10000, 'Stadium':15000, 'Size':'Large'}]
df = pd.DataFrame(data)


df = df.set_index(['Year'])
df

df_fin = pd.DataFrame({col: df[col].astype('category').cat.codes for col in df}, index=df.index)
df_fin

One-Hot-Encoding 的优点是结果是二进制而不是序数，并且所有内容都位于正交向量空间中。缺点是对于高基数，特征空间真的会很快爆炸，你开始与维度的诅咒作斗争。您可以在 OHE 之后使用 PCA！

【讨论】：