Codificare One-Hot
Problema cu codificarea prin etichete (label encoding) este că presupune implicit existența unei dependențe de tip ranking între categorii. Așadar, hai să schimbăm metoda de codificare pentru caracteristicile „RoofStyle" și „CentralAir" la codificare one-hot. Ca și până acum, DataFrame-urile train și test din competiția Kaggle House Prices sunt deja disponibile în spațiul tău de lucru.
Reține că, atunci când ai de-a face cu caracteristici binare (caracteristici categorice cu doar două categorii), se recomandă să aplici doar codificarea prin etichete.
Scopul tău este să determini care dintre caracteristicile menționate nu este binară și să aplici codificarea one-hot doar aceleia.
Acest exercițiu face parte din cursul
Câștigarea unei competiții Kaggle în Python
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
# Concatenate train and test together
houses = pd.concat([train, test])
# Look at feature distributions
print(houses['RoofStyle'].____, '\n')
print(houses['CentralAir'].____)