Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.Codificação One-Hot | Processamento de Dados Categóricos
Pré-processamento de Dados
course content

Conteúdo do Curso

Pré-processamento de Dados

Pré-processamento de Dados

1. Breve Introdução
Tipos de DadosMétodos de Processamento de DadosConjunto de Dados: Teste e TreinamentoExcluindo um Dado "Extra"Alterando o Tipo de Dados
2. Processamento de Dados Quantitativos
Escalonamento de DadosEscalonamento de Dados vs Normalização de DadosRemovendo OutliersRemovendo Valores AusentesAumento de Dados: Dados Sintéticos
3. Processamento de Dados Categóricos
Métodos para Codificar os Dados CategóricosCodificação One-HotCodificação OrdinalCodificação de Rótulos da Variável AlvoDesafio
4. Processamento de Dados de Séries Temporais
Conversão de Tipo de DadosLimpeza de DadosEstacionaridadeRedução de RuídoDivisão Treino/Teste & Validação CruzadaDesafio
5. Engenharia de Recursos
Ideia de TécnicaRealizaçãoExtração de Características de TextoExtração de Características de ImagensExtração de Características de Séries TemporaisDesafio
6. Passando para as Tarefas
Desafio 1Desafio 2Desafio 3

Codificação One-Hot

Então, vamos começar a entender quando e quais métodos de codificação são melhores para usar.

A codificação one-hot geralmente é melhor usar quando a variável categórica não tem uma ordenação ou hierarquia natural entre as categorias e quando o número de categorias únicas é relativamente pequeno. É comumente usado para dados categóricos nominais, onde as categorias não têm uma ordem ou relação inerente entre elas.

Veja alguns exemplos de dados categóricos nominais:

  • Cores: vermelho, azul, verde, amarelo, etc.;
  • Países: EUA, Canadá, México, Japão, etc.;
  • Diferentes animais de estimação: cachorro, gato, pássaro, peixe, etc.;
  • Gêneros de música: pop, rock, hip hop, country, etc.;
  • Estado civil: solteiro, casado, divorciado, viúvo, etc..

A ideia básica por trás da codificação one-hot é criar uma variável binária (0/1) para cada categoria na variável categórica.

Podemos realizar a codificação one-hot usando o método pd.get_dummies(), que cria 3 novas colunas binárias para cada um dos três valores únicos de cor. O conjunto de dados resultante mostra a representação binária de cada valor de cor:


              
12345678910

            
import pandas as pd

# Create a sample dataset with categorical data
dataset = pd.DataFrame({'color': ['red', 'green', 'blue', 'red', 'blue']})

# Perform one-hot encoding
one_hot_encoded = pd.get_dummies(dataset['color'])

# Display the one-hot encoded dataframe
print(one_hot_encoded)
copy

Tarefa

Utilize o método de codificação one-hot no dataset 'cars.csv'.

Tarefa

Utilize o método de codificação one-hot no dataset 'cars.csv'.

Mude para o desktop para praticar no mundo realContinue de onde você está usando uma das opções abaixo

Tudo estava claro?

Seção 3. Capítulo 2
toggle bottom row

Codificação One-Hot

Então, vamos começar a entender quando e quais métodos de codificação são melhores para usar.

A codificação one-hot geralmente é melhor usar quando a variável categórica não tem uma ordenação ou hierarquia natural entre as categorias e quando o número de categorias únicas é relativamente pequeno. É comumente usado para dados categóricos nominais, onde as categorias não têm uma ordem ou relação inerente entre elas.

Veja alguns exemplos de dados categóricos nominais:

  • Cores: vermelho, azul, verde, amarelo, etc.;
  • Países: EUA, Canadá, México, Japão, etc.;
  • Diferentes animais de estimação: cachorro, gato, pássaro, peixe, etc.;
  • Gêneros de música: pop, rock, hip hop, country, etc.;
  • Estado civil: solteiro, casado, divorciado, viúvo, etc..

A ideia básica por trás da codificação one-hot é criar uma variável binária (0/1) para cada categoria na variável categórica.

Podemos realizar a codificação one-hot usando o método pd.get_dummies(), que cria 3 novas colunas binárias para cada um dos três valores únicos de cor. O conjunto de dados resultante mostra a representação binária de cada valor de cor:


              
12345678910

            
import pandas as pd

# Create a sample dataset with categorical data
dataset = pd.DataFrame({'color': ['red', 'green', 'blue', 'red', 'blue']})

# Perform one-hot encoding
one_hot_encoded = pd.get_dummies(dataset['color'])

# Display the one-hot encoded dataframe
print(one_hot_encoded)
copy

Tarefa

Utilize o método de codificação one-hot no dataset 'cars.csv'.

Tarefa

Utilize o método de codificação one-hot no dataset 'cars.csv'.

Mude para o desktop para praticar no mundo realContinue de onde você está usando uma das opções abaixo

Tudo estava claro?

Seção 3. Capítulo 2
toggle bottom row

Codificação One-Hot

Então, vamos começar a entender quando e quais métodos de codificação são melhores para usar.

A codificação one-hot geralmente é melhor usar quando a variável categórica não tem uma ordenação ou hierarquia natural entre as categorias e quando o número de categorias únicas é relativamente pequeno. É comumente usado para dados categóricos nominais, onde as categorias não têm uma ordem ou relação inerente entre elas.

Veja alguns exemplos de dados categóricos nominais:

  • Cores: vermelho, azul, verde, amarelo, etc.;
  • Países: EUA, Canadá, México, Japão, etc.;
  • Diferentes animais de estimação: cachorro, gato, pássaro, peixe, etc.;
  • Gêneros de música: pop, rock, hip hop, country, etc.;
  • Estado civil: solteiro, casado, divorciado, viúvo, etc..

A ideia básica por trás da codificação one-hot é criar uma variável binária (0/1) para cada categoria na variável categórica.

Podemos realizar a codificação one-hot usando o método pd.get_dummies(), que cria 3 novas colunas binárias para cada um dos três valores únicos de cor. O conjunto de dados resultante mostra a representação binária de cada valor de cor:


              
12345678910

            
import pandas as pd

# Create a sample dataset with categorical data
dataset = pd.DataFrame({'color': ['red', 'green', 'blue', 'red', 'blue']})

# Perform one-hot encoding
one_hot_encoded = pd.get_dummies(dataset['color'])

# Display the one-hot encoded dataframe
print(one_hot_encoded)
copy

Tarefa

Utilize o método de codificação one-hot no dataset 'cars.csv'.

Tarefa

Utilize o método de codificação one-hot no dataset 'cars.csv'.

Mude para o desktop para praticar no mundo realContinue de onde você está usando uma das opções abaixo

Tudo estava claro?

Então, vamos começar a entender quando e quais métodos de codificação são melhores para usar.

A codificação one-hot geralmente é melhor usar quando a variável categórica não tem uma ordenação ou hierarquia natural entre as categorias e quando o número de categorias únicas é relativamente pequeno. É comumente usado para dados categóricos nominais, onde as categorias não têm uma ordem ou relação inerente entre elas.

Veja alguns exemplos de dados categóricos nominais:

  • Cores: vermelho, azul, verde, amarelo, etc.;
  • Países: EUA, Canadá, México, Japão, etc.;
  • Diferentes animais de estimação: cachorro, gato, pássaro, peixe, etc.;
  • Gêneros de música: pop, rock, hip hop, country, etc.;
  • Estado civil: solteiro, casado, divorciado, viúvo, etc..

A ideia básica por trás da codificação one-hot é criar uma variável binária (0/1) para cada categoria na variável categórica.

Podemos realizar a codificação one-hot usando o método pd.get_dummies(), que cria 3 novas colunas binárias para cada um dos três valores únicos de cor. O conjunto de dados resultante mostra a representação binária de cada valor de cor:


              
12345678910

            
import pandas as pd

# Create a sample dataset with categorical data
dataset = pd.DataFrame({'color': ['red', 'green', 'blue', 'red', 'blue']})

# Perform one-hot encoding
one_hot_encoded = pd.get_dummies(dataset['color'])

# Display the one-hot encoded dataframe
print(one_hot_encoded)
copy

Tarefa

Utilize o método de codificação one-hot no dataset 'cars.csv'.

Mude para o desktop para praticar no mundo realContinue de onde você está usando uma das opções abaixo
Seção 3. Capítulo 2
Mude para o desktop para praticar no mundo realContinue de onde você está usando uma das opções abaixo
We're sorry to hear that something went wrong. What happened?
some-alt