Menyandikan kolom kategorikal III: DictVectorizer

Baik, satu trik terakhir sebelum Anda masuk ke pipeline. Proses dua langkah yang baru saja Anda lakukan — LabelEncoder diikuti oleh OneHotEncoder — dapat disederhanakan dengan menggunakan DictVectorizer.

Menggunakan DictVectorizer pada DataFrame yang telah dikonversi menjadi kamus memungkinkan Anda melakukan label encoding sekaligus one-hot encoding dalam satu langkah.

Tugas Anda adalah mempraktikkan strategi ini dalam latihan berikut!

Latihan ini adalah bagian dari kursus

Extreme Gradient Boosting dengan XGBoost

Lihat Kursus

Petunjuk latihan

Impor DictVectorizer dari sklearn.feature_extraction.
Konversi df menjadi sebuah kamus bernama df_dict menggunakan metode .to_dict() dengan argumen "records".
Instansiasi objek DictVectorizer bernama dv dengan argumen kata kunci sparse=False.
Terapkan DictVectorizer pada df_dict dengan menggunakan metode .fit_transform().
Tekan 'Kirim Jawaban' untuk mencetak lima baris pertama hasilnya dan kosakatanya.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# Import DictVectorizer
____

# Convert df into a dictionary: df_dict
df_dict = ____

# Create the DictVectorizer object: dv
dv = ____

# Apply dv on df: df_encoded
df_encoded = ____

# Print the resulting first five rows
print(df_encoded[:5,:])

# Print the vocabulary
print(dv.vocabulary_)

Edit dan Jalankan Kode