Lernen Herausforderung: Kodierung Kategorialer Variablen | Datenvorverarbeitung mit Scikit-Learn

Zur Zusammenfassung der vorherigen drei Kapitel finden Sie hier eine Tabelle, die zeigt, welchen Encoder Sie verwenden sollten:

In dieser Aufgabe wird der Pinguin-Datensatz (ohne fehlende Werte) bereitgestellt. Alle kategorialen Merkmale, einschließlich des Zielwerts (Spalte 'species'), müssen codiert werden.

Hier eine Erinnerung an die Struktur des Datensatzes:


              12345
            
import pandas as pd

df = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a65bbc96-309e-4df9-a790-a1eb8c815a1c/penguins_imputed.csv')

print(df.head())

Beachten Sie, dass 'island' und 'sex' kategoriale Merkmale sind und 'species' ein kategoriales Ziel ist.

Aufgabe

Swipe to start coding

Sie erhalten ein DataFrame namens df, das Pinguindaten enthält.
Ihre Aufgabe ist es, alle kategorialen Merkmale so zu kodieren, dass die Daten in einem Machine-Learning-Modell verwendet werden können.

Importieren Sie die Klassen OneHotEncoder und LabelEncoder aus sklearn.preprocessing.
Trennen Sie die Merkmalsmatrix X und die Zielvariable y aus dem DataFrame.
Erstellen Sie ein OneHotEncoder-Objekt und wenden Sie es auf die Spalten 'island' und 'sex' in X an.
Ersetzen Sie die ursprünglichen kategorialen Spalten durch die kodierten Spalten.
Erstellen Sie ein LabelEncoder-Objekt und wenden Sie es auf die Spalte 'species' an, um die Zielvariable y zu kodieren.

Lösung

War alles klar?

Danke für Ihr Feedback!

Abschnitt 2. Kapitel 8

single

Fragen Sie AI

Fragen Sie alles oder probieren Sie eine der vorgeschlagenen Fragen, um unser Gespräch zu beginnen

Suggested prompts:

Which encoder should I use for each column in the penguins dataset?

Can you explain the difference between OrdinalEncoder, OneHotEncoder, and LabelEncoder?

What are the next steps to encode the categorical features and target in this dataset?

Awesome!

Completion rate improved to 3.13

Swipe um das Menü anzuzeigen