Вивчайте Кодування Категоріальних Змінних | Техніки Трансформації Даних

Категоріальні змінні — це ознаки у ваших даних, які представляють категорії, а не числові значення. Прикладами є кольори, такі як "red", "green", і "blue", або мітки, такі як "yes" і "no". Алгоритми машинного навчання потребують числових вхідних даних, тому перед використанням у моделях ці категоріальні змінні необхідно перетворити у числовий формат. Цей процес називається кодуванням, і він забезпечує можливість алгоритмам коректно інтерпретувати та навчатися на даних.

Визначення

One-hot кодування створює новий бінарний стовпець для кожної категорії категоріальної змінної. Кожне спостереження отримує 1 у стовпці, що відповідає його категорії, і 0 в інших стовпцях.


              12345678910111213
            
import seaborn as sns
import pandas as pd

# Load Titanic dataset
data = sns.load_dataset("titanic")

# One-hot encode the 'embarked' column
embarked_encoded = pd.get_dummies(data["embarked"], prefix="embarked")

# Concatenate with original dataset
data = pd.concat([data, embarked_encoded], axis=1)

print(data[["embarked", "embarked_C", "embarked_Q", "embarked_S"]].head())

Визначення

Кодування міток призначає кожній унікальній категорії у змінній ціле число, перетворюючи текстові мітки на числа.


              123456789101112
            
import seaborn as sns
import pandas as pd
from sklearn.preprocessing import LabelEncoder

# Load Titanic dataset
data = sns.load_dataset("titanic")

# Label encode the 'sex' column
encoder = LabelEncoder()
data["sex_encoded"] = encoder.fit_transform(data["sex"])

print(data[["sex", "sex_encoded"]].head())

Визначення

Порядкове кодування призначає впорядковані цілі значення категоріям на основі їх природного ранжування. Цей метод зберігає властивий порядок у порядкових категоріальних змінних, таких як рівні освіти ("high school", "bachelor", "master", "doctorate").


              123456789101112131415161718
            
import seaborn as sns
import pandas as pd

# Load Titanic dataset
data = sns.load_dataset("titanic")

# Define the order of passenger classes: First < Second < Third
class_order = ["First", "Second", "Third"]

# Apply ordered categorical encoding
data["class_encoded"] = pd.Categorical(
    data["class"],
    categories=class_order,
    ordered=True
).codes + 1  # +1 to make classes start from 1 instead of 0

# Display sample output
print(data[["class", "class_encoded"]].head())

Примітка

Будьте уважні під час кодування категоріальних змінних. One-hot кодування може призвести до пастки фіктивних змінних — ситуації, коли ознаки сильно корелюють між собою, що може заплутати деякі моделі. Щоб уникнути цього, можна видалити одну з фіктивних колонок. Label кодування накладає порядкову залежність між категоріями, що може бути недоречним для номінальних даних.

Все було зрозуміло?

Дякуємо за ваш відгук!

Секція 2. Розділ 2

Запитати АІ

Запитайте про що завгодно або спробуйте одне із запропонованих запитань, щоб почати наш чат

Awesome!

Completion rate improved to 8.33

Свайпніть щоб показати меню

Визначення


              12345678910111213
            
import seaborn as sns
import pandas as pd

# Load Titanic dataset
data = sns.load_dataset("titanic")

# One-hot encode the 'embarked' column
embarked_encoded = pd.get_dummies(data["embarked"], prefix="embarked")

# Concatenate with original dataset
data = pd.concat([data, embarked_encoded], axis=1)

print(data[["embarked", "embarked_C", "embarked_Q", "embarked_S"]].head())

Визначення


              123456789101112
            
import seaborn as sns
import pandas as pd
from sklearn.preprocessing import LabelEncoder

# Load Titanic dataset
data = sns.load_dataset("titanic")

# Label encode the 'sex' column
encoder = LabelEncoder()
data["sex_encoded"] = encoder.fit_transform(data["sex"])

print(data[["sex", "sex_encoded"]].head())

Визначення


              123456789101112131415161718
            
import seaborn as sns
import pandas as pd

# Load Titanic dataset
data = sns.load_dataset("titanic")

# Define the order of passenger classes: First < Second < Third
class_order = ["First", "Second", "Third"]

# Apply ordered categorical encoding
data["class_encoded"] = pd.Categorical(
    data["class"],
    categories=class_order,
    ordered=True
).codes + 1  # +1 to make classes start from 1 instead of 0

# Display sample output
print(data[["class", "class_encoded"]].head())

Примітка

Все було зрозуміло?

Дякуємо за ваш відгук!

Секція 2. Розділ 2