Codifica delle colonne categoriche I: LabelEncoder

Ora che hai visto cosa serve per preparare i dati immobiliari per XGBoost, percorriamo il processo passo dopo passo.

Per prima cosa, devi riempire i valori mancanti: come hai visto, la colonna LotFrontage ha molti valori mancanti. Poi, devi codificare in modo numerico tutte le colonne categoriche del dataset usando la one-hot encoding. Puoi rivedere il concetto in questo video del corso Supervised Learning with scikit-learn.

I dati contengono cinque colonne categoriche: MSZoning, PavedDrive, Neighborhood, BldgType e HouseStyle. Scikit-learn include una funzione LabelEncoder che converte i valori in ciascuna colonna categorica in interi. Qui farai pratica con il suo utilizzo.

Questo esercizio fa parte del corso

Extreme Gradient Boosting con XGBoost

Visualizza il corso

Istruzioni dell'esercizio

Importa LabelEncoder da sklearn.preprocessing.
Riempio i valori mancanti nella colonna LotFrontage con 0 usando .fillna().
Crea una maschera booleana per le colonne categoriche. Puoi farlo verificando se df.dtypes è uguale a object.
Crea un oggetto LabelEncoder. Puoi farlo nello stesso modo in cui istanzi qualsiasi stimatore di scikit-learn.
Codifica tutte le colonne categoriche in interi usando LabelEncoder(). Per farlo, usa il metodo .fit_transform() di le nella funzione lambda fornita.

Esercizio pratico interattivo

Prova a risolvere questo esercizio completando il codice di esempio.

# Import LabelEncoder
____

# Fill missing values with 0
df.LotFrontage = ____

# Create a boolean mask for categorical columns
categorical_mask = (____ == ____)

# Get list of categorical column names
categorical_columns = df.columns[categorical_mask].tolist()

# Print the head of the categorical columns
print(df[categorical_columns].head())

# Create LabelEncoder object: le
le = ____

# Apply LabelEncoder to categorical columns
df[categorical_columns] = df[categorical_columns].apply(lambda x: ____(x))

# Print the head of the LabelEncoded categorical columns
print(df[categorical_columns].head())

Modifica ed esegui il codice