如何在scikit中处理名义数据，python？

Question

我是数据挖掘的新手。我有一个包含董事姓名的数据集。将它们转换为Scikit学习估算器可以毫无问题地使用的东西的正确方法是什么？

根据我在互联网上发现的内容，我认为sklearn.preprocessing.LabelEncoder是正确的选择。

Answer 1

取决于您使用的模型类型，make_pipeline(LabelEncoder, OneHotEncoder)或pd.get_dummies）是常用选项，并且可以使用linear_model或tree中的分类器。 LabelEncoder本身就是另一种选择，虽然这不会很好，除非你的标签上有自然的顺序（比如教育水平或其他东西），或者除非你使用非常深的树木，它们能够分开个人标签。

Answer 2

是的，我认为LabelEncoder是正确的选择。以下示例来自Scikit-Learn文档。

le = preprocessing.LabelEncoder()
le.fit(["paris", "paris", "tokyo", "amsterdam"])
list(le.classes_) # ['amsterdam', 'paris', 'tokyo']
le.transform(["tokyo", "tokyo", "paris"]) # array([2, 2, 1]...)
list(le.inverse_transform([2, 2, 1])) # ['tokyo', 'tokyo', 'paris']