一热编码器混淆答案

【问题标题】：One hot encoder confusion一热编码器混淆
【发布时间】：2013-07-06 17:07:09
【问题描述】：

这就是我所做的。我认为 One hot 编码器出了点问题。

from sklearn.datasets import make_classification
from sklearn.feature_selection import RFE


X, y = make_classification(n_samples=50, n_features=10, random_state=10)
encoder = preprocessing.LabelEncoder()
encoder.fit(X)
X = encoder.transform(X)
print X
print X.shape

encoder = preprocessing.OneHotEncoder()
encoder.fit(X)
X = encoder.transform(X)


print encoder.feature_indices_

estimator = SVR(kernel="linear")
selector = RFE(estimator, 100, step=1)
selector = selector.fit(X, y)

在 X 上使用标签编码器后，我得到了一个形状为 (50, 10) 的数组（这很明显）。但是在做一次热编码之后，我得到的特征指标如下。

[   0  499  987 1487 1968 2459 2957 3401 3886 4379 4868]

据我所知，两个索引之间的最大范围应该小于或等于行数，不是吗？是 50。但是这里我得到的是 500 而不是 50。我是否对 One hot encoding 有误，或者 One hot encoding 功能是否有任何其他问题？

（这个例子只是为了演示我的问题）

【问题讨论】：

标签： python machine-learning classification scikit-learn

【解决方案1】：

行数无关紧要，重要的是任何给定列（即特征）内各行的值范围。当您打印 X 时，您将看到您在任何给定列中的值可能跨越 1:500 的整个范围。

【讨论】：