CommencezCommencez gratuitement

Encodage one-hot de colonnes précises

Un concessionnaire local de voitures d'occasion veut votre aide pour prédire le prix de vente de ses véhicules. Si vous appliquez l'encodage one-hot à l'ensemble du jeu de données used_cars, le nouveau jeu de données compte plus de 1 200 colonnes. Vous craignez que cela pose des problèmes lors de l'entraînement de vos modèles de Machine Learning pour prédire le prix. Vous avez donc décidé d'essayer une approche plus simple et de n'appliquer l'encodage one-hot qu'à quelques colonnes.

Cette activité fait partie du cours

Travailler avec des données catégorielles en Python

Voir le cours

Instructions de l’exercice

  • Créez un nouveau jeu de données, used_cars_simple, avec un encodage one-hot pour ces colonnes : "manufacturer_name" et "transmission" (dans cet ordre).
  • Définissez le préfixe de toutes les nouvelles colonnes à "dummy", afin de pouvoir filtrer facilement les colonnes nouvellement créées.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Create one-hot encoding for just two columns
used_cars_simple = pd.____(
  used_cars,
  # Specify the columns from the instructions
  ____,
  # Set the prefix
  ____
)

# Print the shape of the new dataset
print(used_cars_simple.shape)
Modifier et exécuter le code