One-hot encoding a dummy variables
Aby bylo možné použít kategorické proměnné v modelu strojového učení, je potřeba je nejprve vyjádřit číselně. Nejčastěji se k tomu používají dvě metody: one-hot encoding nebo dummy variables. V tomto cvičení vytvoříš oba typy kódování a porovnáš vzniklé sady sloupců. Budeme pokračovat se stejným DataFramem z předchozí lekce, který je načtený jako so_survey_df, a zaměříme se na jeho sloupec Country.
Toto cvičení je součástí kurzu
Feature Engineering for Machine Learning in Python
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Convert the Country column to a one hot encoded Data Frame
one_hot_encoded = ____(____, ____=['Country'], prefix='OH')
# Print the columns names
print(one_hot_encoded.columns)