Kodowanie one-hot i zmienne dummy
Aby móc wykorzystać zmienne kategoryczne w modelu uczenia maszynowego, należy najpierw przedstawić je w sposób ilościowy. Dwa najczęściej stosowane podejścia to kodowanie one-hot oraz użycie zmiennych dummy. W tym ćwiczeniu stworzysz oba typy kodowania i porównasz otrzymane zestawy kolumn. Będziemy kontynuować pracę z tym samym DataFrame z poprzedniej lekcji, wczytanym jako so_survey_df, skupiając się na kolumnie Country.
To ćwiczenie jest częścią kursu
Inżynieria cech w uczeniu maszynowym w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Convert the Country column to a one hot encoded Data Frame
one_hot_encoded = ____(____, ____=['Country'], prefix='OH')
# Print the columns names
print(one_hot_encoded.columns)