Kodning av kategoriska kolumner I: LabelEncoder

Nu när du har sett vad som behöver göras för att förbereda bostadsdata för XGBoost, går vi igenom processen steg för steg.

Först behöver du fylla i saknade värden – som du såg tidigare har kolumnen LotFrontage många saknade värden. Sedan behöver du koda eventuella kategoriska kolumner i datamängden med one-hot-kodning så att de representeras numeriskt. Du kan titta på den här videon från Supervised Learning with scikit-learn för en repetition av konceptet.

Data har fem kategoriska kolumner: MSZoning, PavedDrive, Neighborhood, BldgType och HouseStyle. Scikit-learn har en LabelEncoder-funktion som konverterar värdena i varje kategorisk kolumn till heltal. Här får du öva på att använda den.

Den här övningen är en del av kursen

Extreme Gradient Boosting med XGBoost

Visa kurs

Övningsinstruktioner

Importera LabelEncoder från sklearn.preprocessing.
Fyll i saknade värden i kolumnen LotFrontage med 0 med hjälp av .fillna().
Skapa en boolesk mask för kategoriska kolumner. Det gör du genom att kontrollera om df.dtypes är lika med object.
Skapa ett LabelEncoder-objekt. Det går till på samma sätt som när du instansierar vilken scikit-learn-estimator som helst.
Koda alla kategoriska kolumner till heltal med hjälp av LabelEncoder(). Använd metoden .fit_transform() för le i den angivna lambdafunktionen.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Import LabelEncoder
____

# Fill missing values with 0
df.LotFrontage = ____

# Create a boolean mask for categorical columns
categorical_mask = (____ == ____)

# Get list of categorical column names
categorical_columns = df.columns[categorical_mask].tolist()

# Print the head of the categorical columns
print(df[categorical_columns].head())

# Create LabelEncoder object: le
le = ____

# Apply LabelEncoder to categorical columns
df[categorical_columns] = df[categorical_columns].apply(lambda x: ____(x))

# Print the head of the LabelEncoded categorical columns
print(df[categorical_columns].head())

Redigera och kör kod