Label-encoding

We gaan aan de slag met het encoden van categorische variabelen. Je werkt opnieuw met een deel van de House Prices Kaggle-competitie.

Je doel is om de categorische features "RoofStyle" en "CentralAir" te encoden met label-encoding. De DataFrames train en test zijn al beschikbaar in je werkruimte.

Deze oefening maakt deel uit van de cursus

Een Kaggle-competitie winnen met Python

Cursus bekijken

Oefeninstructies

Concateneer de DataFrames train en test tot één DataFrame houses.
Maak een LabelEncoder-object zonder argumenten en wijs dit toe aan le.
Maak nieuwe label-gecodeerde features voor "RoofStyle" en "CentralAir" met hetzelfde le-object.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# Concatenate train and test together
houses = ____.____([train, test])

# Label encoder
from sklearn.preprocessing import LabelEncoder
le = ____()

# Create new features
houses['RoofStyle_enc'] = le.fit_transform(houses[____])
houses['CentralAir_enc'] = ____.____(____[____])

# Look at new features
print(houses[['RoofStyle', 'RoofStyle_enc', 'CentralAir', 'CentralAir_enc']].head())

Code bewerken en uitvoeren