Kodowanie zmiennych kategorycznych

W zbiorze danych o obserwacjach UFO jest kilka kolumn, które przed modelowaniem za pomocą scikit-learn wymagają zakodowania. Wykonasz to przekształcenie tutaj, korzystając zarówno z kodowania binarnego, jak i one-hot encoding.

To ćwiczenie jest częścią kursu

Preprocessing w uczeniu maszynowym w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

Za pomocą apply() napisz warunkową funkcję lambda, która zwraca 1, jeśli wartość wynosi "us", a w przeciwnym razie zwraca 0.
Wyświetl liczbę unikalnych wartości (.unique()) w kolumnie type.
Za pomocą pd.get_dummies() utwórz zakodowany metodą one-hot zbiór dla kolumny type.
Na koniec użyj pd.concat(), aby połączyć zakodowane zmienne type_set ze zbiorem danych ufo.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Use pandas to encode us values as 1 and others as 0
ufo["country_enc"] = ufo["country"].____

# Print the number of unique type values
print(len(____.unique()))

# Create a one-hot encoded set of the type values
type_set = ____

# Concatenate this set back to the ufo DataFrame
ufo = pd.concat([____, ____], axis=1)

Edytuj i uruchom kod