Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Aprenda Codificador One-Hot | Pré-Processamento de Dados com Scikit-Learn
Introdução ao ML com Scikit-learn

bookCodificador One-Hot

Quando se trata de valores nominais, o tratamento deles é um pouco mais complexo.

Para dados ordinais, como avaliações de usuários variando de 'Terrível' a 'Ótimo', codificá-los como números de 0 a 4 é apropriado, pois o modelo pode capturar a ordem inerente.

Em contraste, para uma característica como 'city' com cinco categorias distintas, codificá-las como números de 0 a 4 sugeriria incorretamente uma ordem. Nesse caso, a codificação one-hot é uma escolha melhor, pois representa as categorias sem implicar uma hierarquia.

Para codificar dados nominais, utiliza-se o transformador OneHotEncoder. Ele cria uma coluna para cada valor único. Em seguida, para cada linha, define 1 na coluna correspondente ao valor dessa linha e 0 nas demais colunas.

O que originalmente era 'NewYork' agora possui 1 na coluna 'City_NewYork' e 0 nas outras colunas City_.

Aplicar OneHotEncoder ao conjunto de dados penguins. As características nominais são 'island' e 'sex'. A coluna 'species' é o alvo e será tratada separadamente ao discutir codificação do alvo no próximo capítulo.

123456
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('island: ', df['island'].unique()) print('sex: ', df['sex'].unique())
copy

Para aplicar o OneHotEncoder, inicialize o objeto encoder e passe as colunas selecionadas para o método .fit_transform(), da mesma forma que com outros transformadores.

1234567891011
import pandas as pd from sklearn.preprocessing import OneHotEncoder df = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a65bbc96-309e-4df9-a790-a1eb8c815a1c/penguins_imputed.csv') # Assign X, y variables y = df['species'] X = df.drop('species', axis=1) # Initialize an OneHotEncoder object one_hot = OneHotEncoder() # Print transformed 'sex', 'island' columns print(one_hot.fit_transform(X[['sex', 'island']]).toarray())
copy
Note
Nota

O método .toarray() converte a matriz esparsa gerada pelo OneHotEncoder em um array denso do NumPy. Arrays densos exibem todos os valores explicitamente, facilitando a visualização e manipulação dos dados codificados em um DataFrame. Matrizes esparsas armazenam apenas elementos diferentes de zero, otimizando o uso de memória. Você pode omitir este método para ver a diferença na saída.

question mark

OneHotEncoder cria novas colunas. Isso está correto?

Select the correct answer

Tudo estava claro?

Como podemos melhorá-lo?

Obrigado pelo seu feedback!

Seção 2. Capítulo 6

Pergunte à IA

expand

Pergunte à IA

ChatGPT

Pergunte o que quiser ou experimente uma das perguntas sugeridas para iniciar nosso bate-papo

Suggested prompts:

Can you explain how OneHotEncoder works in more detail?

What are the unique values in the 'island' and 'sex' columns?

How do I interpret the output of the OneHotEncoder?

Awesome!

Completion rate improved to 3.13

bookCodificador One-Hot

Deslize para mostrar o menu

Quando se trata de valores nominais, o tratamento deles é um pouco mais complexo.

Para dados ordinais, como avaliações de usuários variando de 'Terrível' a 'Ótimo', codificá-los como números de 0 a 4 é apropriado, pois o modelo pode capturar a ordem inerente.

Em contraste, para uma característica como 'city' com cinco categorias distintas, codificá-las como números de 0 a 4 sugeriria incorretamente uma ordem. Nesse caso, a codificação one-hot é uma escolha melhor, pois representa as categorias sem implicar uma hierarquia.

Para codificar dados nominais, utiliza-se o transformador OneHotEncoder. Ele cria uma coluna para cada valor único. Em seguida, para cada linha, define 1 na coluna correspondente ao valor dessa linha e 0 nas demais colunas.

O que originalmente era 'NewYork' agora possui 1 na coluna 'City_NewYork' e 0 nas outras colunas City_.

Aplicar OneHotEncoder ao conjunto de dados penguins. As características nominais são 'island' e 'sex'. A coluna 'species' é o alvo e será tratada separadamente ao discutir codificação do alvo no próximo capítulo.

123456
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('island: ', df['island'].unique()) print('sex: ', df['sex'].unique())
copy

Para aplicar o OneHotEncoder, inicialize o objeto encoder e passe as colunas selecionadas para o método .fit_transform(), da mesma forma que com outros transformadores.

1234567891011
import pandas as pd from sklearn.preprocessing import OneHotEncoder df = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a65bbc96-309e-4df9-a790-a1eb8c815a1c/penguins_imputed.csv') # Assign X, y variables y = df['species'] X = df.drop('species', axis=1) # Initialize an OneHotEncoder object one_hot = OneHotEncoder() # Print transformed 'sex', 'island' columns print(one_hot.fit_transform(X[['sex', 'island']]).toarray())
copy
Note
Nota

O método .toarray() converte a matriz esparsa gerada pelo OneHotEncoder em um array denso do NumPy. Arrays densos exibem todos os valores explicitamente, facilitando a visualização e manipulação dos dados codificados em um DataFrame. Matrizes esparsas armazenam apenas elementos diferentes de zero, otimizando o uso de memória. Você pode omitir este método para ver a diferença na saída.

question mark

OneHotEncoder cria novas colunas. Isso está correto?

Select the correct answer

Tudo estava claro?

Como podemos melhorá-lo?

Obrigado pelo seu feedback!

Seção 2. Capítulo 6
some-alt