Encodage one-hot
Le problème de l'encodage d'étiquettes (label encoding) est qu'il suppose implicitement un ordre entre les catégories. Changeons donc de méthode d'encodage pour les variables « RoofStyle » et « CentralAir » en passant à l'encodage one-hot. Encore une fois, les DataFrames train et test de la compétition House Prices sur Kaggle sont déjà disponibles dans votre espace de travail.
Rappel : si vous traitez des variables binaires (catégorielles avec seulement deux catégories), il est recommandé d'appliquer uniquement un label encoder.
Votre objectif est de déterminer laquelle de ces variables n'est pas binaire et de n'appliquer l'encodage one-hot qu'à celle-ci.
Cette activité fait partie du cours
Remporter une compétition Kaggle en Python
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Concatenate train and test together
houses = pd.concat([train, test])
# Look at feature distributions
print(houses['RoofStyle'].____, '\n')
print(houses['CentralAir'].____)