One-Hot encoding
Problém s label encodingem spočívá v tom, že implicitně předpokládá závislost pořadí mezi kategoriemi. Pojďme proto změnit metodu kódování pro příznaky "RoofStyle" a "CentralAir" na one-hot encoding. DataFramy train a test z Kaggle soutěže House Prices jsou opět k dispozici v tvém pracovním prostředí.
Měj na paměti, že u binárních příznaků (kategorické příznaky pouze se dvěma kategoriemi) se doporučuje použít výhradně label encoder.
Tvým cílem je zjistit, který z uvedených příznaků není binární, a aplikovat one-hot encoding právě na něj.
Toto cvičení je součástí kurzu
Jak vyhrát soutěž na Kaggle v Pythonu
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Concatenate train and test together
houses = pd.concat([train, test])
# Look at feature distributions
print(houses['RoofStyle'].____, '\n')
print(houses['CentralAir'].____)