Вивчайте Кодування Категоріальних Змінних | Техніки Трансформації Даних

Категоріальні змінні — це ознаки у ваших даних, які представляють категорії, а не числові значення. Прикладами є кольори, такі як "red", "green", і "blue", або мітки, такі як "yes" і "no". Алгоритми машинного навчання потребують числових вхідних даних, тому перед використанням у моделях ці категоріальні змінні необхідно перетворити у числовий формат. Цей процес називається кодуванням, і він забезпечує можливість алгоритмам коректно інтерпретувати та навчатися на даних.

Визначення

One-hot кодування створює новий бінарний стовпець для кожної категорії категоріальної змінної. Кожне спостереження отримує 1 у стовпці, що відповідає його категорії, і 0 в інших стовпцях.


              12345678910111213
            
import seaborn as sns
import pandas as pd

# Load Titanic dataset
data = sns.load_dataset("titanic")

# One-hot encode the 'embarked' column
embarked_encoded = pd.get_dummies(data["embarked"], prefix="embarked")

# Concatenate with original dataset
data = pd.concat([data, embarked_encoded], axis=1)

print(data[["embarked", "embarked_C", "embarked_Q", "embarked_S"]].head())

Визначення

Кодування міток призначає кожній унікальній категорії у змінній ціле число, перетворюючи текстові мітки на числа.


              123456789101112
            
import seaborn as sns
import pandas as pd
from sklearn.preprocessing import LabelEncoder

# Load Titanic dataset
data = sns.load_dataset("titanic")

# Label encode the 'sex' column
encoder = LabelEncoder()
data["sex_encoded"] = encoder.fit_transform(data["sex"])

print(data[["sex", "sex_encoded"]].head())

Визначення

Порядкове кодування призначає впорядковані цілі значення категоріям на основі їх природного ранжування. Цей метод зберігає властивий порядок у порядкових категоріальних змінних, таких як рівні освіти ("high school", "bachelor", "master", "doctorate").


              123456789101112131415161718
            
import seaborn as sns
import pandas as pd

# Load Titanic dataset
data = sns.load_dataset("titanic")

# Define the order of passenger classes: First < Second < Third
class_order = ["First", "Second", "Third"]

# Apply ordered categorical encoding
data["class_encoded"] = pd.Categorical(
    data["class"],
    categories=class_order,
    ordered=True
).codes + 1  # +1 to make classes start from 1 instead of 0

# Display sample output
print(data[["class", "class_encoded"]].head())

Примітка

Будьте уважні під час кодування категоріальних змінних. One-hot кодування може призвести до пастки фіктивних змінних — ситуації, коли ознаки сильно корелюють між собою, що може заплутати деякі моделі. Щоб уникнути цього, можна видалити одну з фіктивних колонок. Label кодування накладає порядкову залежність між категоріями, що може бути недоречним для номінальних даних.

Все було зрозуміло?

Дякуємо за ваш відгук!

Секція 2. Розділ 2

Запитати АІ

Запитайте про що завгодно або спробуйте одне із запропонованих запитань, щоб почати наш чат

Свайпніть щоб показати меню

Визначення


              12345678910111213
            
import seaborn as sns
import pandas as pd

# Load Titanic dataset
data = sns.load_dataset("titanic")

# One-hot encode the 'embarked' column
embarked_encoded = pd.get_dummies(data["embarked"], prefix="embarked")

# Concatenate with original dataset
data = pd.concat([data, embarked_encoded], axis=1)

print(data[["embarked", "embarked_C", "embarked_Q", "embarked_S"]].head())

Визначення


              123456789101112
            
import seaborn as sns
import pandas as pd
from sklearn.preprocessing import LabelEncoder

# Load Titanic dataset
data = sns.load_dataset("titanic")

# Label encode the 'sex' column
encoder = LabelEncoder()
data["sex_encoded"] = encoder.fit_transform(data["sex"])

print(data[["sex", "sex_encoded"]].head())

Визначення


              123456789101112131415161718
            
import seaborn as sns
import pandas as pd

# Load Titanic dataset
data = sns.load_dataset("titanic")

# Define the order of passenger classes: First < Second < Third
class_order = ["First", "Second", "Third"]

# Apply ordered categorical encoding
data["class_encoded"] = pd.Categorical(
    data["class"],
    categories=class_order,
    ordered=True
).codes + 1  # +1 to make classes start from 1 instead of 0

# Display sample output
print(data[["class", "class_encoded"]].head())

Примітка

Все було зрозуміло?

Дякуємо за ваш відгук!

Секція 2. Розділ 2