Conversia variabilelor categoriale
Deoarece sklearn necesită caracteristici numerice ca intrări pentru modele, este important să codifici variabilele categoriale în valori numerice. Cea mai comună tehnică, numită „one-hot encoding", este simplă, dar consumă multă memorie. Prin urmare, vei folosi tehnica de hashing, care transformă valorile categoriale în valori numerice, pentru fiecare coloană categorială.
Modulul pandas este disponibil ca pd în spațiul tău de lucru, iar DataFrame-ul exemplu este încărcat ca df.
Acest exercițiu face parte din cursul
Predicția CTR cu Machine Learning în Python
Instrucțiuni pentru exercițiu
- Selectează coloanele categoriale filtrând după tipul de date.
- Aplică o funcție de hashing peste fiecare dintre coloanele categoriale.
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
# 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))