Summary  
This chapter explains how to use a transformer to apply one-hot encoding on nominal categorical features, converting each unique category into its own binary indicator column without implying any order.  

General domain of usage  
Preprocessing categorical data for machine learning models

**名義**値の処理は、やや複雑になる。

ユーザー評価のような**順序尺度**データ（「Terrible」から「Great」まで）は、0から4までの数値でエンコードすることで、モデルが本来の順序を捉えることができる。

一方、`'city'`のように5つの異なるカテゴリを持つ特徴量の場合、0から4までの数値でエンコードすると誤った順序を示してしまう。この場合、**ワンホットエンコーディング**を用いることで、階層を示さずにカテゴリを表現できる。


**名義データ**をエンコードするために、`OneHotEncoder`トランスフォーマーが使用されます。これは各ユニークな値ごとに列を作成し、各行について、その行の値に対応する列に1を、他の列には0を設定します。


元々 `'NewYork'` であったものは、`'City_NewYork'` 列に **1**、他の `City_` 列には **0** が入っています。

`OneHotEncoder` を **penguins** データセットに適用。名義特徴量は `'island'` と `'sex'`。`'species'` 列はターゲットであり、次章の **target encoding** で別途扱います。


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('island: ', df['island'].unique())
print('sex: ', df['sex'].unique())

`OneHotEncoder` を適用するには、エンコーダオブジェクトを初期化し、選択したカラムを `.fit_transform()` に渡します。他のトランスフォーマと同様の方法です。

import pandas as pd
from sklearn.preprocessing import OneHotEncoder

df = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a65bbc96-309e-4df9-a790-a1eb8c815a1c/penguins_imputed.csv')
# Assign X, y variables
y = df['species']
X = df.drop('species', axis=1)
# Initialize an OneHotEncoder object
one_hot = OneHotEncoder()
# Print transformed 'sex', 'island' columns
print(one_hot.fit_transform(X[['sex', 'island']]).toarray())

`.toarray()` メソッドは、`OneHotEncoder` から出力される **疎行列** を密な NumPy 配列に変換します。**密配列** はすべての値を明示的に表示し、エンコードされたデータを DataFrame 内で可視化・操作しやすくします。疎行列は **ゼロでない要素** のみを格納し、メモリ使用を最適化します。このメソッドを省略することで、出力の違いを確認できます。

ノート

`OneHotEncoder`は新しい列を作成します。これは正しいですか？

機械学習は今やあらゆる場所で利用されています。自分で学びたいと思いませんか？このコースは、機械学習の世界への入門として、基本的な概念の習得、最も人気のあるMLライブラリであるScikit-learnの操作、そして最初の機械学習プロジェクトの構築を学ぶためのものです。
このコースは、Python、Pandas、Numpyの基礎知識を持つ学生を対象としています。

機械学習の概念とMLプロジェクトのワークフローについて学習します。

前処理は、MLプロジェクトにおいて最も重要な段階の一つです。本章では、ほぼすべてのデータセットに必要な前処理手順について解説します。

パイプラインは、すべての前処理ステップとモデルを組み合わせるための便利な方法です。パイプラインを使用することで、モデルの学習や利用がはるかに簡単になります。

モデリングはMLプロジェクトの中で最も楽しい段階です。モデルの構築、チューニング、評価方法を学びましょう。

One-Hotエンコーダー