Konwersja zmiennych kategorycznych
Biblioteka sklearn wymaga cech w postaci liczbowej, dlatego ważne jest kodowanie zmiennych kategorycznych na wartości numeryczne. Najpopularniejsza technika – „kodowanie one-hot" – jest prosta w użyciu, lecz bardzo pamięciochłonna. Zamiast niej skorzystasz z techniki haszowania, która przekształca wartości kategoryczne na liczbowe dla każdej kolumny kategorycznej.
Moduł pandas jest dostępny jako pd, a przykładowy obiekt DataFrame jest wczytany jako df.
To ćwiczenie jest częścią kursu
Przewidywanie CTR z użyciem uczenia maszynowego w Pythonie
Instrukcje do ćwiczenia
- Wybierz kolumny kategoryczne, filtrując po typie danych.
- Zastosuj funkcję haszującą do każdej z kolumn kategorycznych.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Get categorical columns
categorical_cols = df.____(
include = [____]).columns.tolist()
print("Categorical columns: ")
print(categorical_cols)
# Iterate over categorical columns and apply hash function
for col in ____:
df[col] = df[col].____(lambda x: ____(x))
# Print examples of new output
print(df.head(5))