เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

One-hot encoding ข้อมูลสินเชื่อ

ถึงเวลาเตรียมคอลัมน์ที่ไม่ใช่ตัวเลขเพื่อให้สามารถนำไปใช้กับโมเดล LogisticRegression() ได้

เมื่อสร้างคอลัมน์ใหม่ด้วย one-hot encoding แล้ว ให้นำไป concatenate รวมกับคอลัมน์ตัวเลข เพื่อสร้าง data frame ใหม่ที่จะใช้ตลอดคอร์สนี้สำหรับพยากรณ์ความน่าจะเป็นของการผิดนัดชำระหนี้

อย่าลืมว่าให้ทำ one-hot encoding เฉพาะคอลัมน์ที่ไม่ใช่ตัวเลขเท่านั้น หากทำกับคอลัมน์ตัวเลขด้วย ชุดข้อมูลจะมีจำนวนคอลัมน์มากเกินไปจนใช้งานยาก!

ข้อมูลสินเชื่อ cr_loan_clean ถูกโหลดเข้า workspace ไว้แล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การสร้างโมเดลความเสี่ยงด้านเครดิตด้วย Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • สร้างชุดข้อมูลสำหรับคอลัมน์ตัวเลขทั้งหมด โดยตั้งชื่อว่า cred_num และสร้างอีกชุดสำหรับคอลัมน์ที่ไม่ใช่ตัวเลข โดยตั้งชื่อว่า cred_str
  • ใช้ one-hot encoding กับ cred_str เพื่อสร้างชุดข้อมูลใหม่ชื่อ cred_str_onehot
  • รวม cred_num กับข้อมูลที่ผ่าน one-hot encoding แล้ว และเก็บผลลัพธ์ไว้ในตัวแปรชื่อ cr_loan_prep
  • แสดงชื่อคอลัมน์ของชุดข้อมูลใหม่

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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)
แก้ไขและรันโค้ด