Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Aprende Desafío: Codificación de Variables Categóricas | Preprocesamiento de Datos con Scikit-learn
Introducción al ML con Scikit-learn

bookDesafío: Codificación de Variables Categóricas

Para resumir los tres capítulos anteriores, aquí tienes una tabla que muestra qué codificador deberías utilizar:

En este desafío, se proporciona el conjunto de datos de pingüinos (sin valores faltantes). Todas las características categóricas, incluida la variable objetivo (columna 'species'), deben ser codificadas.

A continuación se muestra un recordatorio de la estructura del conjunto de datos:

12345
import pandas as pd df = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a65bbc96-309e-4df9-a790-a1eb8c815a1c/penguins_imputed.csv') print(df.head())
copy

Tenga en cuenta que 'island' y 'sex' son características categóricas y 'species' es un objetivo categórico.

Tarea

Swipe to start coding

Codificación de todas las características categóricas. Utilizar one-hot encoding para las columnas 'island' y 'sex', y aplicar un label encoder (o un codificador de destino similar) para la columna 'species'. Siga estos pasos para completar la codificación.

  1. Importar OnehotEncoder y LabelEncoder.
  2. Inicializar el objeto codificador de características.
  3. Codificar las columnas de características categóricas utilizando el objeto feature_enc.
  4. Inicializar el objeto codificador de destino.
  5. Codificar el objetivo utilizando el objeto label_enc.

Solución

¿Todo estuvo claro?

¿Cómo podemos mejorarlo?

¡Gracias por tus comentarios!

Sección 2. Capítulo 8
single

single

Pregunte a AI

expand

Pregunte a AI

ChatGPT

Pregunte lo que quiera o pruebe una de las preguntas sugeridas para comenzar nuestra charla

Suggested prompts:

Which encoder should I use for each column in the penguins dataset?

Can you explain the difference between OrdinalEncoder, OneHotEncoder, and LabelEncoder?

What are the next steps to encode the categorical features and target in this dataset?

close

Awesome!

Completion rate improved to 3.13

bookDesafío: Codificación de Variables Categóricas

Desliza para mostrar el menú

Para resumir los tres capítulos anteriores, aquí tienes una tabla que muestra qué codificador deberías utilizar:

En este desafío, se proporciona el conjunto de datos de pingüinos (sin valores faltantes). Todas las características categóricas, incluida la variable objetivo (columna 'species'), deben ser codificadas.

A continuación se muestra un recordatorio de la estructura del conjunto de datos:

12345
import pandas as pd df = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a65bbc96-309e-4df9-a790-a1eb8c815a1c/penguins_imputed.csv') print(df.head())
copy

Tenga en cuenta que 'island' y 'sex' son características categóricas y 'species' es un objetivo categórico.

Tarea

Swipe to start coding

Codificación de todas las características categóricas. Utilizar one-hot encoding para las columnas 'island' y 'sex', y aplicar un label encoder (o un codificador de destino similar) para la columna 'species'. Siga estos pasos para completar la codificación.

  1. Importar OnehotEncoder y LabelEncoder.
  2. Inicializar el objeto codificador de características.
  3. Codificar las columnas de características categóricas utilizando el objeto feature_enc.
  4. Inicializar el objeto codificador de destino.
  5. Codificar el objetivo utilizando el objeto label_enc.

Solución

Switch to desktopCambia al escritorio para practicar en el mundo realContinúe desde donde se encuentra utilizando una de las siguientes opciones
¿Todo estuvo claro?

¿Cómo podemos mejorarlo?

¡Gracias por tus comentarios!

close

Awesome!

Completion rate improved to 3.13
Sección 2. Capítulo 8
single

single

some-alt