Codificare one-hot pentru datele de credit

E momentul să pregătești coloanele non-numerice pentru a le putea adăuga în modelul LogisticRegression().

După ce noile coloane sunt create prin codificare one-hot, le poți concatena cu coloanele numerice pentru a obține un nou DataFrame. Acesta va fi folosit pe parcursul restului cursului pentru a prezice probabilitatea de nerambursare.

Reține să aplici codificarea one-hot doar pe coloanele non-numerice. Dacă ai face asta și pe coloanele numerice, ai obține un set de date extrem de lat!

Datele de credit cr_loan_clean au fost deja încărcate în spațiul de lucru.

Acest exercițiu face parte din cursul

Modelarea Riscului de Credit în Python

Vezi cursul

Instrucțiuni pentru exercițiu

Creează un set de date cu toate coloanele numerice, numit cred_num, și unul cu coloanele non-numerice, numit cred_str.
Aplică codificarea one-hot pe cred_str pentru a crea un nou set de date numit cred_str_onehot.
Unește cred_num cu noile date codificate one-hot și stochează rezultatul ca cr_loan_prep.
Afișează coloanele noului set de date.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Create two data sets for numeric and non-numeric data
____ = ____.select_dtypes(exclude=['object'])
____ = ____.select_dtypes(include=['object'])

# One-hot encode the non-numeric columns
____ = pd.____(____)

# Union the one-hot encoded columns to the numeric ones
____ = pd.concat([____, ____], axis=1)

# Print the columns in the new data set
print(____.columns)

Editează și rulează codul