เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การแปลงตัวแปรเชิงหมวดหมู่

เนื่องจาก sklearn รับเฉพาะฟีเจอร์ที่เป็นตัวเลขเป็น input สำหรับโมเดล จึงเป็นเรื่องสำคัญที่ต้องแปลงตัวแปรเชิงหมวดหมู่ให้อยู่ในรูปตัวเลข เทคนิคที่ใช้กันทั่วไปคือ "one-hot encoding" ซึ่งเข้าใจง่าย แต่ใช้หน่วยความจำค่อนข้างมาก ดังนั้น ในแบบฝึกหัดนี้จะใช้เทคนิค hashing แทน ซึ่งเป็นการแมปข้อมูลเชิงหมวดหมู่ให้กลายเป็นตัวเลขในแต่ละคอลัมน์ที่เป็นหมวดหมู่

โมดูล pandas พร้อมใช้งานในชื่อ pd และ DataFrame ตัวอย่างถูกโหลดไว้แล้วในชื่อ df

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การพยากรณ์ CTR ด้วย Machine Learning ใน Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • เลือกคอลัมน์เชิงหมวดหมู่โดยกรองตามประเภทข้อมูล
  • นำ hash function ไปใช้กับแต่ละคอลัมน์เชิงหมวดหมู่

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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))
แก้ไขและรันโค้ด