Summary  
This chapter explains how to apply one-hot encoding to nominal categorical features by creating binary indicator columns for each category using scikit-learn’s OneHotEncoder and converting the result to a numerical array.  

General domain of usage  
Data preprocessing for machine learning models

**名義**値の処理は、やや複雑。

**順序**データ（例：'Terrible'から'Great'までのユーザー評価）の場合、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性を捉えることが可能。

一方、`'city'`のように5つの異なるカテゴリを持つ特徴量では、0から4までの数値でエンコードすると誤った順序性が示唆されてしまう。この場合、**ワンホットエンコーディング**が適切であり、カテゴリ間の階層関係を示さずに表現できる。


**名義データ**のエンコードには、`OneHotEncoder`トランスフォーマーを使用。各ユニークな値ごとに列を作成し、各行について該当する値の列に1、それ以外の列に0を設定。

元々の `'NewYork'` は、`'City_NewYork'` 列で **1** となり、他の `City_` 列では **0** となっています。

`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、エンコーダー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ーと同様の方法です。

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` の出力である **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、メモリ使用量を最適化します。このメソッドを省略すると、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。

ワンホットエンコーダ