Codificador One-Hot
Quando se trata de valores nominais, o tratamento deles é um pouco mais complexo.
Vamos considerar uma característica que contém dados ordinais, como avaliações de usuários. Seus valores variam de 'Terrible' a 'Great'. Faz sentido codificar essas avaliações como números de 0 a 4 porque o modelo de ML irá reconhecer a ordem inerente.
Agora, considere uma característica chamada 'city' com cinco cidades distintas. Codificá-las como números de 0 a 4 implicaria erroneamente uma ordem lógica para o modelo de ML, que na verdade não existe. Portanto, uma abordagem mais adequada é utilizar a codificação one-hot, que evita sugerir qualquer ordem falsa.
Para codificar dados nominais, utiliza-se o transformador OneHotEncoder. Ele cria uma coluna para cada valor único. Em seguida, para cada linha, define 1 na coluna correspondente ao valor dessa linha e 0 nas demais colunas.
O que originalmente era 'NewYork' agora possui 1 na coluna 'City_NewYork' e 0 nas demais colunas City_.
Vamos utilizar o OneHotEncoder em nosso conjunto de dados penguins! Existem duas características nominais, 'island' e 'sex' (sem contar 'species', aprenderemos como lidar com target encoding no próximo capítulo).
123456import 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())
Para utilizar o OneHotEncoder, basta inicializar um objeto e passar as colunas para o .fit_transform(), assim como com qualquer outro transformador.
1234567891011import 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())
Obrigado pelo seu feedback!
Pergunte à IA
Pergunte à IA
Pergunte o que quiser ou experimente uma das perguntas sugeridas para iniciar nosso bate-papo
Awesome!
Completion rate improved to 3.13Codificador One-Hot
Deslize para mostrar o menu
Quando se trata de valores nominais, o tratamento deles é um pouco mais complexo.
Vamos considerar uma característica que contém dados ordinais, como avaliações de usuários. Seus valores variam de 'Terrible' a 'Great'. Faz sentido codificar essas avaliações como números de 0 a 4 porque o modelo de ML irá reconhecer a ordem inerente.
Agora, considere uma característica chamada 'city' com cinco cidades distintas. Codificá-las como números de 0 a 4 implicaria erroneamente uma ordem lógica para o modelo de ML, que na verdade não existe. Portanto, uma abordagem mais adequada é utilizar a codificação one-hot, que evita sugerir qualquer ordem falsa.
Para codificar dados nominais, utiliza-se o transformador OneHotEncoder. Ele cria uma coluna para cada valor único. Em seguida, para cada linha, define 1 na coluna correspondente ao valor dessa linha e 0 nas demais colunas.
O que originalmente era 'NewYork' agora possui 1 na coluna 'City_NewYork' e 0 nas demais colunas City_.
Vamos utilizar o OneHotEncoder em nosso conjunto de dados penguins! Existem duas características nominais, 'island' e 'sex' (sem contar 'species', aprenderemos como lidar com target encoding no próximo capítulo).
123456import 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())
Para utilizar o OneHotEncoder, basta inicializar um objeto e passar as colunas para o .fit_transform(), assim como com qualquer outro transformador.
1234567891011import 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())
Obrigado pelo seu feedback!
