scikit-learn/python 中带有字符的随机森林

【问题标题】：random forest with characters in scikit-learn/pythonscikit-learn/python 中带有字符的随机森林
【发布时间】：2016-05-18 03:14:10
【问题描述】：

我有一个字符列和数字，但我想对字符列进行分类并应用随机森林分类器。我意识到有 OneHotEncoder 但在任何地方都没有示例。那么我如何对字符进行分类，例如将“f”和“m”转换为 (0,1) 等整数的性别列？

【问题讨论】：

标签： python machine-learning scipy scikit-learn ipython

【解决方案1】：

使用LabelEncoder，它接受一个字符串数组并将其转换为一个整数数组。

例子：

from sklearn.preprocessing import LabelEncoder
import pandas as pd

data = pd.DataFrame()

data['age'] = [17,33,47]
data['gender'] = ['m','f','m']

enc = LabelEncoder()

print(data)
enc.fit(data['gender'])
data['gender'] = enc.transform(data['gender'])
print(data)

输出：

   age gender
0    17      m
1    33      f
2    47      m
   age  gender
0    17       1
1    33       0
2    47       1

【讨论】：

【解决方案2】：

或者，您可以使用pandas's get_dummies function，它执行标签编码和一次热编码。

在：

import pandas as pd
s = pd.DataFrame(list('abca'))
s = pd.get_dummies(s)
print s

输出：

    a   b   c
0   1   0   0
1   0   1   0
2   0   0   1
3   1   0   0

【讨论】：