分类列编码 II：OneHotEncoder

好的——现在您的分类列已经被数值化编码。可以直接进入使用管道和 XGBoost 了吗？还不行！在本数据集的分类列中，各个取值之间没有自然的大小顺序。举个例子：使用 LabelEncoder 时，Neighborhood 中的 CollgCr 被编码为 5，Veenker 被编码为 24，而 Crawfor 为 6。那么，Veenker 是否"比" Crawfor 和 CollgCr 更大？并不是——如果让模型误以为存在这种自然顺序，可能会导致性能不佳。

因此，还需要再做一步：需要进行独热编码（one-hot encoding），把分类取值转换为二元的"哑变量"。您可以使用 scikit-learn 的 OneHotEncoder 来完成这一点。

本练习是课程的一部分

使用 XGBoost 的极端梯度提升

查看课程

练习说明

从 sklearn.preprocessing 导入 OneHotEncoder。
实例化一个名为 ohe 的 OneHotEncoder 对象，并将关键字参数 sparse=False。
使用其 .fit_transform() 方法，将 OneHotEncoder 应用于 df，并将结果保存为 df_encoded。输出将是一个 NumPy 数组。
打印 df_encoded 的前 5 行，然后分别打印 df 和 df_encoded 的形状，以便对比差异。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# Import OneHotEncoder
____

# Create OneHotEncoder: ohe
ohe = ____

# Apply OneHotEncoder to categorical columns - output is no longer a dataframe: df_encoded
df_encoded = ____

# Print first 5 rows of the resulting dataset - again, this will no longer be a pandas dataframe
print(df_encoded[:5, :])

# Print the shape of the original DataFrame
print(df.shape)

# Print the shape of the transformed array
print(df_encoded.shape)

编辑并运行代码