预处理之特征编码方法总结

我会带着你远行 2022-05-22 07:19 186阅读 0赞

（1）one-hot编码：  
独热编码即 One-Hot 编码，又称一位有效编码，其方法是使用N位状态寄存器来对N个状态进行编码，每个状态都有它独立的寄存器位，并且在任意时候，其中只有一位有效。  
已知三个feature，三个feature分别取值如下：  
feature1=\[“male”, “female”\]  
feature2=\[“from Europe”, “from US”, “from Asia”\]  
feature3=\[“uses Firefox”, “uses Chrome”, “uses Safari”, “uses Internet Explorer”\]  
one-hot编码后：  
feature1=\[01,10\]  
feature2=\[001,010,100\]  
feature3=\[0001,0010,0100,1000\]  
所以，对于前边样本\[“male”,“from Asia”, “uses Chrome”\]，经过独热编码后，它应该为：  
\[01,00, 000,000,100, 0000,0010,0000,0000\]

（2）sklearn中的DictVectorizer

from sklearn.feature_extraction import DictVectorizer  
    measurements = [  
        {
       'city': 'Dubai', 'temperature': 33.},  
         {
       'city': 'London', 'temperature': 12.},  
         {
       'city': 'San Fransisco', 'temperature': 18.},  
     ]  
    
    
    vec = DictVectorizer()   
    print(vec.fit_transform(measurements).toarray())
    """ 输出: array([[ 1., 0., 0., 33.], [ 0., 1., 0., 12.], [ 0., 0., 1., 18.]]) """  
    print(vec.get_feature_names())
    """ 输出： ['city=Dubai', 'city=London', 'city=San Fransisco', 'temperature'] """

（3）[Python机器学习库SKLearn：数据集转换之特征提取][Python_SKLearn]  
（4）[大规模特征编码问题和工程实践][Link 1]  
（5）[特征抽取：特征字典向量化和特征哈希变换][Link 2]

[Python_SKLearn]: https://blog.csdn.net/cheng9981/article/details/61924149
[Link 1]: https://blog.csdn.net/laolu1573/article/details/78802723
[Link 2]: https://www.jianshu.com/p/1708f616ca2a