Codificarea coloanelor categorice III: DictVectorizer

Înainte să treci la pipeline-uri, mai avem un truc util. Procesul în doi pași pe care tocmai l-ai parcurs – LabelEncoder urmat de OneHotEncoder – poate fi simplificat folosind un DictVectorizer.

Aplicând un DictVectorizer pe un DataFrame convertit în dicționar, obții atât codificarea prin etichete, cât și codificarea one-hot într-un singur pas.

Sarcina ta în acest exercițiu este să aplici această strategie!

Acest exercițiu face parte din cursul

Gradient Boosting Extrem cu XGBoost

Vezi cursul

Instrucțiuni pentru exercițiu

Importă DictVectorizer din sklearn.feature_extraction.
Convertește df într-un dicționar numit df_dict folosind metoda sa .to_dict() cu argumentul "records".
Instanțiază un obiect DictVectorizer numit dv cu argumentul cheie sparse=False.
Aplică DictVectorizer pe df_dict folosind metoda sa .fit_transform().
Apasă Trimite răspunsul pentru a afișa primele cinci rânduri rezultate și vocabularul.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Import DictVectorizer
____

# Convert df into a dictionary: df_dict
df_dict = ____

# Create the DictVectorizer object: dv
dv = ____

# Apply dv on df: df_encoded
df_encoded = ____

# Print the resulting first five rows
print(df_encoded[:5,:])

# Print the vocabulary
print(dv.vocabulary_)

Editează și rulează codul