Převod kategorických proměnných
Protože sklearn vyžaduje na vstupu modelů numerické příznaky, je důležité zakódovat kategorické proměnné na numerické. Nejběžnější technika, tzv. „one-hot encoding", je sice přímočará, ale paměťově náročná. Proto použiješ techniku hashování, která mapuje kategorické vstupy na numerické hodnoty, a to pro každý kategorický sloupec.
Modul pandas je dostupný jako pd a ukázkový DataFrame je načtený jako df.
Toto cvičení je součástí kurzu
Předpovídání CTR pomocí Machine Learning v Pythonu
Pokyny k cvičení
- Vyber kategorické sloupce filtrováním podle datového typu.
- Aplikuj hashovací funkci na každý z kategorických sloupců.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Get categorical columns
categorical_cols = df.____(
include = [____]).columns.tolist()
print("Categorical columns: ")
print(categorical_cols)
# Iterate over categorical columns and apply hash function
for col in ____:
df[col] = df[col].____(lambda x: ____(x))
# Print examples of new output
print(df.head(5))