如何在使用 scikit-learn/sklearn 训练决策树时处理分类数据？答案

【问题标题】：How to handle catagorical data while training decision tree using scikit-learn/ sklearn?如何在使用 scikit-learn/sklearn 训练决策树时处理分类数据？
【发布时间】：2015-07-30 21:44:35
【问题描述】：

我是 scikit 的新手。我正在尝试使用 sklearn 模块来训练决策树分类器。数据由一些分类特征和一些连续特征组成。但是当我训练分类器时，具有 1、2、3 等值的分类特征被视为连续的。我获得的结果即使对于特征的分类值也给出了一个范围。例如，我得到一个决策树，其中 X[0]

有没有办法增加包含分类特征和类别超过 2 的节点的分割数量。

【问题讨论】：

按照here的描述对变量进行编码

标签： machine-learning scikit-learn decision-tree

【解决方案1】：

你应该首先对分类整数特征进行编码，然后应用 DecisionTreeClassifier。

尝试使用库 sklearn.preprocessing 中的 OneHotEncoder 来预处理您的分类特征。

例如，您应该首先执行以下操作：

    from sklearn.preprocessing import OneHotEncoder
    ohe = OneHotEncoder(sparse=False)
    processed_X = ohe.fit_transform(X[['0']].values)

其中“0”是您的列特征 X[0]。

【讨论】：