scikit-learn 无法为表创建一个热点

Question

我有一个数据集，每列都有共同的类别。

dataset = [['aaaa', 'bbbb'], ['bbbb', 'ffff'], ['aaaa', 'gggg']]
categories = ['aaaa', 'bbbb', 'ffff', 'gggg']

我希望输出必须是：

output = [[1, 1, 0, 0], [0, 1, 1, 0], [1, 0, 0, 1]]

代码：

one_hot_encoder = OneHotEncoder(categories=['aaaa', 'bbbb', 'ffff', 'gggg'])
return one_hot_encoder.fit_transform([['aaaa', 'bbbb'], ['bbbb', 'ffff'], ['aaaa', 'gggg']])

但是告诉我这个错误：

形状不匹配：如果类别是一个数组，它必须是形状 (n_features,)。

Answer 1

您想要的输出不是 one-hot 编码； “one-hot”表示每行一个 1（“hot”）。您可能想改用MultiLabelBinarizer。

要解释您的错误：Sklearn认为您的输入有两个特征（数组的两列），如果您在categories到编码器中，则必须是每个列的列表： em>，类别列表。