Kódování kategorických sloupců III: DictVectorizer

Než se pustíme do pipeline, ještě jeden užitečný trik. Dvoustupňový postup, kterým jsi právě prošel/prošla – LabelEncoder následovaný OneHotEncoder – lze zjednodušit pomocí DictVectorizer.

Použití DictVectorizer na DataFrame převedený do slovníku ti umožní provést label encoding i one-hot encoding najednou.

V tomto cvičení si celý postup vyzkoušíš!

Toto cvičení je součástí kurzu

Extreme Gradient Boosting with XGBoost

Zobrazit kurz

Pokyny k cvičení

Importuj DictVectorizer z sklearn.feature_extraction.
Převeď df na slovník s názvem df_dict pomocí metody .to_dict() s argumentem "records".
Vytvoř instanci objektu DictVectorizer s názvem dv s argumentem sparse=False.
Aplikuj DictVectorizer na df_dict pomocí metody .fit_transform().
Klikni na Submit Answer a zobraz prvních pět řádků výsledku a slovník příznaků.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Import DictVectorizer
____

# Convert df into a dictionary: df_dict
df_dict = ____

# Create the DictVectorizer object: dv
dv = ____

# Apply dv on df: df_encoded
df_encoded = ____

# Print the resulting first five rows
print(df_encoded[:5,:])

# Print the vocabulary
print(dv.vocabulary_)

Upravit a spustit kód