Python sklearn OneHotEncoding 分类和有时重复的值答案

【问题标题】：Python sklearn OneHotEncoding categorical and sometimes repeated valuesPython sklearn OneHotEncoding 分类和有时重复的值
【发布时间】：2018-01-10 16:21:35
【问题描述】：

这是我使用 sklearn 的 OneHotEncoder 的问题。使用数组a = [1,2,3,4,5,6,7,8,9,22]，即a.shape=[10,1] 的ALL UNIQUE（reshape(-1,1) 之后，返回 OneHotEncoded 值的 [10,10] 矩阵。

array([[ 0.,  0.,  0.,  1.,  0.,  0.,  0.,  0.,  0.,  0.],
   [ 0.,  0.,  0.,  0.,  1.,  0.,  0.,  0.,  0.,  0.],
   [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  1.,  0.],
   [ 0.,  1.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
   [ 1.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
   [ 0.,  0.,  0.,  0.,  0.,  0.,  1.,  0.,  0.,  0.],
   [ 0.,  0.,  0.,  0.,  0.,  1.,  0.,  0.,  0.,  0.],
   [ 0.,  0.,  1.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
   [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  1.],
   [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  1.,  0.,  0.]])

但是对于像 a = [1,2,2,4,4,6,7,8,9,22] 这样的数组，即 a.shape=[10,1] 的 NON UNIQUE（在 reshape(-1,1) 之后，会返回一个 [10,8] 的 OneHotEncoded 值矩阵。

array([[ 1.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
   [ 0.,  1.,  0.,  0.,  0.,  0.,  0.,  0.],
   [ 0.,  1.,  0.,  0.,  0.,  0.,  0.,  0.],
   [ 0.,  0.,  1.,  0.,  0.,  0.,  0.,  0.],
   [ 0.,  0.,  1.,  0.,  0.,  0.,  0.,  0.],
   [ 0.,  0.,  0.,  1.,  0.,  0.,  0.,  0.],
   [ 0.,  0.,  0.,  0.,  1.,  0.,  0.,  0.],
   [ 0.,  0.,  0.,  0.,  0.,  1.,  0.,  0.],
   [ 0.,  0.,  0.,  0.,  0.,  0.,  1.,  0.],
   [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  1.]])

但我不能使用它，因为我的输入占位符需要一个 [10,10] 矩阵作为输入。谁能帮我处理 sklearn 的 OneHotEncoder 中的非唯一值？

P.S 添加参数 n_values= 10 会出现错误提示 ValueError: Feature out of bounds for n_values=10

【问题讨论】：

标签： python machine-learning scikit-learn one-hot-encoding

【解决方案1】：

您知道分类特征可以采用的所有值吗？如果是这样，你可以这样做：

enc = OneHotEncoder()   
enc.fit(np.asarray([1,2,3,4,5,6,7,8,9,22]).reshape(-1, 1)) #fit your encoder to the values
data_for_encoding =  np.asarray([1,2,2,4,4,6,7,8,9,22]).reshape(-1, 1) #your data
sparse_matrix = enc.transform(data_for_encoding) #encoded data

【讨论】：