Kodowanie kolumn kategorycznych I: LabelEncoder

Wiesz już, co trzeba zrobić, aby przygotować dane dotyczące nieruchomości dla XGBoost – teraz przejdziemy przez ten proces krok po kroku.

Na początku wypełnisz brakujące wartości – jak wcześniej widziano, kolumna LotFrontage zawiera ich wiele. Następnie zakodujemy numerycznie kolumny kategoryczne w zbiorze danych przy użyciu kodowania one-hot. Jeśli chcesz odświeżyć sobie tę koncepcję, możesz obejrzeć ten film z kursu Supervised Learning with scikit-learn.

Dane zawierają pięć kolumn kategorycznych: MSZoning, PavedDrive, Neighborhood, BldgType i HouseStyle. Scikit-learn udostępnia funkcję LabelEncoder, która przekształca wartości w każdej kolumnie kategorycznej na liczby całkowite. W tym ćwiczeniu przećwiczysz jej użycie.

To ćwiczenie jest częścią kursu

Extreme Gradient Boosting with XGBoost

Zobacz kurs

Instrukcje do ćwiczenia

Zaimportuj LabelEncoder z sklearn.preprocessing.
Wypełnij brakujące wartości w kolumnie LotFrontage wartością 0, używając metody .fillna().
Utwórz maskę logiczną dla kolumn kategorycznych – możesz to zrobić, sprawdzając, czy df.dtypes równa się object.
Utwórz obiekt LabelEncoder w taki sam sposób, jak tworzysz dowolny estymator scikit-learn.
Zakoduj wszystkie kolumny kategoryczne na liczby całkowite za pomocą LabelEncoder(). Użyj w tym celu metody .fit_transform() obiektu le w dostarczonej funkcji lambda.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# 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())

Edytuj i uruchom kod